Olumlu takviyeler, algoritmanın yeraltı doğal rezervlerini tahmin etmesine yardımcı

0
11

Kredi: Pixabay / CC0 Kamu Malı

Texas A&M Üniversitesi araştırmacıları, yer altı ortamının özelliklerini tahmin etme sürecini otomatikleştiren, petrol ve gaz rezervlerinin doğru tahminini kolaylaştıran, takviye tabanlı bir algoritma tasarladılar.

Yerkabuğunun içinde, kaya katmanları bol miktarda yeraltı suyu, petrol ve doğal gaz rezervuarları barındırır. Texas A&M Üniversitesi’ndeki araştırmacılar, makine öğrenimini kullanarak, Dünya’nın yeraltı ortamının temel özelliklerini belirleme sürecini otomatikleştiren bir algoritma geliştirdiler. Bu araştırmanın doğal rezervlerimizin doğru tahmin edilmesine yardımcı olabileceğini söylediler.

Özellikle, araştırmacıların algoritması pekiştirme veya ödül öğrenme ilkesine göre tasarlanmıştır. Burada, bilgisayar algoritması, sondajlardan beklenen basınç ve akışın doğru tahminlerini yapmak için elde ettiği ödülleri temel alarak yer altı ortamının doğru tanımına yakınlaşır.

Harold Vance Departmanında doçent olan Siddharth Misra, “Ayaklarımızın bir mil altındaki yüzey altı sistemleri tamamen opaktır. Bu derinlikte hiçbir şey göremiyoruz ve basınç ve akış hızları gibi miktarları ölçmek için aletler kullanmak zorundayız” dedi. Petrol Mühendisliği Bölümü ve Jeoloji ve Jeofizik Bölümü. “Şu anki çalışmam ilk adım olsa da, hedefim yeraltının özelliklerini doğru bir şekilde karakterize etmek için bu bilgileri kullanmanın tamamen otomatik bir yolunu bulmaktır.”

Algoritma, Applied Energy dergisinin Aralık sayısında açıklanmıştır.

Yeraltı ortamının jeolojisini simüle etmek, petrol ve gaz rezervlerinin tahmin edilmesini, yeraltı suyu sistemlerini tahmin etmeyi ve sismik tehlikeleri tahmin etmeyi büyük ölçüde kolaylaştırabilir. Amaçlanan uygulamaya bağlı olarak, sondaj delikleri petrol, gaz ve su için çıkış yerleri veya yeraltında tutulması gereken aşırı atmosferik karbondioksit için giriş yerleri olarak hizmet eder.

Deliklerin uzunluğu boyunca, sondaj operatörleri sensörleri yerleştirerek sıvıların veya gazların basınçlarını ve akış oranlarını belirleyebilir. Geleneksel olarak, bu sensör ölçümleri, kayaların gözenekliliği ve geçirgenliği gibi yeraltının özelliklerini tahmin eden ayrıntılı matematiksel formülasyonlara veya rezervuar modellerine eklenir.

Ancak rezervuar modelleri matematiksel olarak hantaldır, kapsamlı insan müdahalesi gerektirir ve bazen yeraltı jeolojisinin kusurlu bir resmini verir. Misra, insan müdahalesi içermeyen ancak doğru olan algoritmalar oluşturmak için devam eden bir çaba olduğunu söyledi.

Misra ve ekibi, çalışmaları için pekiştirmeli öğrenme kavramına dayalı bir tür makine öğrenimi algoritması seçti. Basitçe ifade etmek gerekirse, yazılım, hesaplama ortamından gelen geri bildirimlere dayanarak bir dizi karar almayı öğrenir.

“Kafeste bir kuş hayal edin. Kuş, oturabileceği veya sallanabileceği ya da yiyecek ve suyun olduğu kafesin sınırları ile etkileşime girecektir. Çevresinden geri bildirim almaya devam ederek kafeste hangi yerlere karar vermesine yardımcı olur. belirli bir zamanda olmayı tercih ederdi, “dedi Misra. “Takviyeli öğrenmeye dayalı algoritmalar benzer bir fikre dayanır. Onlar da bir ortamla etkileşime girer, ancak belirli bir soruna bir karara veya çözüme ulaşmak için bir hesaplama ortamıdır.”

Dolayısıyla, bu algoritmalar olumlu tahminler için ödüllendirilir ve olumsuz olanlar için cezalandırılır. Zamanla, pekiştirmeye dayalı algoritmalar, tahakkuk eden ödüllerini maksimize ederek doğru çözüme ulaşır.

Takviye tabanlı algoritmaların bir başka teknik avantajı, veri modeli hakkında herhangi bir ön varsayımda bulunmamalarıdır. Örneğin Misra algoritması, belirli bir zaman ve derinlikte ölçülen basıncın, geçmişte aynı derinlikte olan basıncın ne olduğu ile ilgili olduğunu varsaymaz. Bu özellik, algoritmasını daha az önyargılı hale getirir, böylece yeraltı ortamını tahmin etmede hata olasılığını azaltır.

Misra’nın algoritması başlatıldığında, yüzeyi oluşturan kayaların gözenekliliği ve geçirgenliği için rastgele bir değer tahmin ederek başlar. Bu değerlere dayanarak, algoritma bir sondaj deliğinden beklediği bir akış oranını ve basıncı hesaplar. Bu değerler, geçmiş veriler olarak da bilinen saha ölçümlerinden elde edilen gerçek değerlerle eşleşmezse, algoritma cezalandırılır. Sonuç olarak, gözeneklilik ve geçirgenlik için bir sonraki tahminini düzeltmeye zorlanır. Bununla birlikte, tahminleri bir şekilde doğruysa, algoritma ödüllendirilir ve bu yönde başka tahminler yapar.

Araştırmacılar, takviye öğrenmenin 10 yinelemesinde, algoritmanın basit yeraltı senaryolarının özelliklerini doğru ve çok hızlı bir şekilde tahmin edebildiğini buldular.

Misra, çalışmalarında simüle edilen yeraltı yüzeyinin basit olmasına rağmen, çalışmalarının, takviye algoritmalarının otomatikleştirilmiş geçmiş eşleştirme olarak da adlandırılan otomatik rezervuar özelliği tahminlerinde başarıyla kullanılabileceğinin bir kanıtı olduğunu belirtti.

“Bir yüzey altı sistemi, iki ila beş millik bir yarıçapa yayılmış 10 veya 20 sondaj deliğine sahip olabilir. Yerin altını net bir şekilde anlarsak, birçok şeyi önceden planlayabilir ve tahmin edebiliriz, örneğin, yüzey altı biraz daha derine inersek ortamlar veya o derinlikte gazın akış hızı ”dedi Misra. “Bu çalışmada, geçmiş eşleştirmeyi mühendislerin çabalarını azaltma, insan önyargısını azaltma ve büyük etiketli eğitim verileri setine olan ihtiyacı ortadan kaldırma potansiyeline sahip sıralı bir karar verme sorununa dönüştürdük.”

Gelecekteki çalışmaların daha karmaşık rezervuarları simüle etmeye ve algoritmanın hesaplama verimliliğini artırmaya odaklanacağını söyledi.

Yapay pankreas sistemi, yapay zeka algoritmasıyla yükseltildi Daha fazla bilgi: Hao Li ve diğerleri, Geliştirilmiş hidrokarbon üretim tahmini için Takviye öğrenme tabanlı otomatik geçmiş eşleştirme, Uygulamalı Enerji (2020). DOI: 10.1016 / j.apenergy.2020.116311 Texas A&M Üniversitesi tarafından sağlanmıştır.

Alıntı: Pozitif takviyeler, 23 Şubat 2021’de https://techxplore.com/news/2021-02-positive-algorithm-underground-natural-reserves.html adresinden alınan yeraltı doğal rezervlerini tahmin etmeye yardımcı olur (2021, 23 Şubat)

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amacına yönelik herhangi bir adil işlem dışında, yazılı izin olmadan hiçbir bölümü çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.

CEVAP VER

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz