文献

J-GLOBAL ID：202202239940625531   整理番号：22A0575667

計算的に高価な履歴マッチング問題のための分散代理システム支援微分進化アルゴリズム【JST・京大機械翻訳】

A distributed surrogate system assisted differential evolutionary algorithm for computationally expensive history matching problems

著者 (8件)： Ma Xiaopeng (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China) ,  Zhang Kai (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China) ,  Zhang Kai (School of Civil Engineering, Qingdao University of Technology, Qingdao, China) ,  Zhang Liming (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China) ,  Wang Yanzhong (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China) ,  Wang Haochen (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China) ,  Wang Jian (Department of Basic Mathematics, College of Sciences, China University of Petroleum, Qingdao, China) ,  Yao Jun (Oil and Gas Development Engineering Institute, School of Petroleum Engineering, China University of Petroleum, Qingdao, China)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 210  ページ： Null  発行年： 2022年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,代理支援進化アルゴリズム(SAEA)は広く研究され,代理モデルによる歴史マッチング問題に適用され,収束を加速することができる。しかし,SAEAの大部分は,代理モデルの導入による並列サンプリングの能力を失うが,そこでは,各反復における評価のために,少数のポテンシャル解が選択される。一般に,歴史マッチングは多数の数値シミュレーションを含み,並列計算の役割は無視できない。この問題に取り組むために,本論文は,DSS-DEと呼ばれる分散代理システム支援微分進化アルゴリズムを提案した。アンサンブル学習技術に基づく分散代理システム(DSS)を最初に開発し,最適化前に多数の基本学習者を構築し,探索空間で異なる領域を効果的に近似した。それに続いて,異なる突然変異オペレータによる多重微分進化(DE)最適化器を,同時に,データ不整合目的関数の可能性のある局所または大域的最適条件を見つけるため,一連の解をサンプリングする。さらに,DSS予測に基づいて,並列インフィル戦略を設計し,有望な解決策をスクリーニングした。畳み込み変分オートエンコーダ(CVAE)ベースのパラメタリゼーション技術と組み合わせて,履歴マッチングワークフローを開発した。2つのマルチモーダルベンチマーク関数に関する経験的研究は,提案したアルゴリズムが限られた計算予算で高品質解を得ることができることを証明した。さらに,提案した歴史マッチングワークフローを,異なる地質特性を有する3つの合成水攻貯水池事例研究で検証した。試験結果は,歴史マッチング問題のために提案したアルゴリズムの有効性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  シミュレーション ,  畳込み ,  変分法 ,  貯水池 ,  オペレータ ,  突然変異 ,  多重化 ,  並列演算 ,  目的関数 ,  事例研究 ,  *マッチング
準シソーラス用語： *進化的アルゴリズム ,  数値シミュレーション ,  *微分進化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 歴史マッチング ,  アンサンブル学習 ,  微分進化 ,  並列サンプリング ,  水攻法貯水池

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (6件)： 計算 ,  履歴 ,  マッチング ,  問題 ,  支援 ,  微分進化アルゴリズム