EA013102B1 - Способ исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели - Google Patents
Способ исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели Download PDFInfo
- Publication number
- EA013102B1 EA013102B1 EA200870273A EA200870273A EA013102B1 EA 013102 B1 EA013102 B1 EA 013102B1 EA 200870273 A EA200870273 A EA 200870273A EA 200870273 A EA200870273 A EA 200870273A EA 013102 B1 EA013102 B1 EA 013102B1
- Authority
- EA
- Eurasian Patent Office
- Prior art keywords
- model
- similar behavior
- historically known
- output data
- areas
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/22—Source localisation; Inverse modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Stored Programmes (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Раскрыт способ исторического согласования имитационной модели, содержащий этапы, на которых: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (b) вводят исторически известные входные данные в модель; (с) генерируют выходные данные из модели в соответствии с исторически известными входными данными; (d) сравнивают выходные данные из модели с набором исторически известных выходных данных; (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
Description
Предпосылки изобретения
В этом описании изобретения раскрыты способ и связанные с ним система и устройство хранения программ и компьютерная программа, предназначенные для исторического согласования численных имитационных моделей с использованием программного обеспечения самоорганизующейся карты (8ОМ), причем 8ОМ используется для генерации и задания 'областей' среди блоков сетки численной имитационной модели в ходе процедуры исторического согласования.
Историческое согласование численных моделей является обратной задачей. Это значит, что численная имитационная модель регулируется таким образом, что, при вводе набора исторически известных входных параметров в модель, набор исторически известных выходных параметров или данных будет генерироваться моделью. Таким образом, историческое согласование является процедурой проб и ошибок.
При 'историческом согласовании' численной имитационной модели набор исторически известных выходных параметров должен генерироваться моделью в соответствии с набором исторически известных входных параметров. Однако, когда набор исторически известных выходных параметров не генерируется моделью в соответствии с набором исторически известных входных параметров, необходимо умножить значение параметра (например, проницаемости), связанное с каждым блоком сетки численной имитационной модели, на определенное значение. Однако очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели. Поэтому, когда имитационная модель представляет месторождение, например нефтяное или газовое месторождение, инженер задает одну или несколько 'областей' коллектора, в которой один и тот же множитель в конкретной 'области' можно использовать для улучшения исторического согласования. Выбор 'областей' месторождения можно осуществлять в соответствии с геологической моделью коллектора. Очень часто для задания 'областей' месторождения используется один или несколько 'прямоугольников'. Однако выбор 'прямоугольников' для задания 'областей' месторождения не всегда согласуется с природой.
Кроме того, выбор 'областей' в соответствии с геологической моделью очень часто основан на 'статической геологической информации', т.е. геологической информации, которая напрямую не связана с гидравлическими параметрами, связаннымЬ с эксплуатацией коллектора, или другими изменениями в течение времени (например, проницаемость выводится из корреляции с пористостью после создания геологической модели).
Сущность изобретения
Согласно одному аспекту настоящего изобретения предусмотрен способ исторического согласования имитационной модели, содержащий этапы, на которых: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (Ь) вводят исторически известные входные данные в модель; (с) генерируют выходные данные из модели в соответствии с исторически известными входными данными; (б) сравнивают выходные данные из модели с набором исторически известных выходных данных; (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (1) повторяют этапы (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
Согласно еще одному аспекту настоящего изобретения предусмотрено устройство хранения программ, считываемое машиной, вещественно реализующее программу из команд, выполняемых машиной, для осуществления этапов способа исторического согласования имитационной модели, на этапах способа: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (Ь) вводят исторически известные входные данные в модель; генерируют выходные данные из модели в соответствии с исторически известными входными данными; сравнивают выходные данные из модели с набором исторически известных выходных данных; регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (1) повторяют этапы (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
Согласно еще одному аспекту настоящего изобретения предусмотрена компьютерная программа, предназначенная для выполнения процессором, причем компьютерная программа, при выполнении процессором, осуществляет процесс исторического согласования имитационной модели, процесс содержит: (а) задание областей, демонстрирующих сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (Ь) ввод исторически известных входных данных в модель; (с) генерацию выходных данных из мо
- 1 013102 дели в соответствии с исторически известными входными данными; (б) сравнение выходных данных из модели с набором исторически известных выходных данных; (е) регулировку модели, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (Г) повторение этапов (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
Согласно еще одному аспекту настоящего изобретения предусмотрена система, предназначенная для исторического согласования имитационной модели, содержащая: первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, и, таким образом, генерировать модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; второе устройство, способное вводить исторически известные входные данные в модель; третье устройство, способное генерировать выходные данные из модели в соответствии с исторически известными входными данными; четвертое устройство, способное сравнивать выходные данные из модели с набором исторически известных выходных данных; пятое устройство, способное регулировать модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем пятое устройство включает в себя шестое устройство, способное арифметически изменять каждую из областей модели; и седьмое устройство, способное повторять функции, осуществляемые вторым, третьим, четвертым, пятым и шестым устройствами, пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
Дополнительные сведения по объему применения изобретения можно почерпнуть из представленного ниже подробного описания. Однако следует понимать, что подробное описание и конкретные примеры, приведенные ниже, служат исключительно для иллюстрации, поскольку, на основании нижеследующего подробного описания, специалисты в данной области техники смогут предложить различные изменения и модификации в рамках сущности и объема изобретения, описанной и заявленной в этом описании изобретения.
Краткое описание чертежей
Для обеспечения полного понимания обратимся к подробному описанию, представленному ниже, и прилагаемым чертежам, которые приведены исключительно в целях иллюстрации и ни в коей мере не предусматривают ограничения и в которых фиг. 1 - рабочая станция или другая компьютерная система, в которой хранится численная имитационная модель и программное обеспечение самоорганизующейся карты (8ОМ);
фиг. 2 - блок сетки численной имитационной модели, с которым связан 'параметр';
фиг. 3 - численная имитационная модель, включающая в себя множество блоков сетки, и способ исторического согласования численной имитационной модели, включающий в себя способ, раскрытый в этом описании изобретения, для исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели;
фиг. ЗА - реалистический пример численной имитационной модели, включающей в себя множество блоков сетки;
фиг. 4 - численная имитационная модель, включающая в себя множество блоков сетки, причем модель включает в себя множество 'областей', где каждая 'область' модели дополнительно включает в себя один или несколько блоков сетки численной имитационной модели;
фиг. 5 иллюстрирует, как 'параметры' (помимо 'всей доступной информации'), связанные с каждым блоком сетки численной имитационной модели, вводятся в качестве входных данных в программное обеспечение самоорганизующейся карты (8ОМ), и как программное обеспечение 8ОМ, в соответствии с этим, задает 'области' численной имитационной модели, показанной на фиг. 4;
фиг. 6 иллюстрирует, как 'вся доступная информация', связанная с каждым из блоков сетки численной имитационной модели, используется программным обеспечением 8ОМ для генерации и задания 'областей' сходного поведения среди блоков сетки численной имитационной модели, и как, в соответствии с этим, программное обеспечение 8ОМ организует блоки сетки численной имитационной модели в одну или несколько из заданных 'областей', показанных на фиг. 4; и фиг. 7 - блок-схема, где показано, как программное обеспечение 8ОМ будет задавать 'области' сходного поведения среди блоков сетки численной имитационной модели.
Подробное описание
В этом описании изобретения описан 'способ исторического согласования с использованием самоорганизующихся карт (8ОМ) для генерации областей', в котором новый способ использует самоорганизующиеся карты (8ОМ) для вычисления 'областей' сходного поведения среди блоков сетки численной имитационной модели, при 'историческом согласовании' численной имитационной модели. Это обеспечивает гораздо более быстрое достижение верного решения. В итоге, для достижения хорошего понимания значений параметров в блоках сетки модели, вместо сотен проходов моделирования, в общем случае, необходимо менее 20 проходов моделирования. Достижение хорошего понимания таких значений параметров дает хорошее 'историческое согласование' численной имитационной модели.
Первое этап, связанный со 'способом исторического согласования с использованием самооргани
- 2 013102 зующихся карт (8ОМ) для генерации областей', раскрытым в этом описании изобретения, использует 8ОМ для построения набора 'областей' из блоков сетки численной имитационной модели. Таким образом, вместо группирования блоков сетки в соответствии с геологией, блоки сетки группируются в соответствии с 'областями сходного поведения на основании всей доступной информации' (ниже именуемых 'областями'). Способ самоорганизующихся карт (8ОМ) используется для кластеризации блоков сетки сходного поведения. 8ОМ могут работать с любыми типами параметров, включающих в себя параметры модели из инициализации, например, начального давления и насыщенности. Этот 'новый подход' (т.е. с использованием 8ОМ для генерации 'областей') учитывает несколько разных 'параметров' каждого блока сетки модели, отражающей разные физические и численные процессы добычи углеводородов, включающих в себя:
геологическое описание: например, тип литофации;
единицы гидравлического потока (НЕИ): например, проницаемости, пористости; инициализация: например, водонасыщенности (начальная и критическая), начальное давление; дискретизация: например, пространственная дискретизация (например, ΌΖ). поровые объемы блоков сетки;
области РУТ;
дренирование;
движение вторичной фазы: конечные точки относительной проницаемости.
В зависимости от важности параметра каждого блока сетки его влияние можно регулировать с использованием весового коэффициента. Этот коэффициент нормализован от 0 до 1. Параметр получает максимальный вес, когда весовой коэффициент равен единице. Параметр не имеет никакого влияния на кластеризацию, когда весовой коэффициент равен 0. 8ОМ генерирует правила, которые используются для автоматической идентификации 'областей'. Например, правило для одной конкретной 'области' может представлять собой:
ΙΕ ΌΖ > 10.23 ΆΝΩ ΌΖ < 27.48 ΆΝΏ
ΙΕ РЕЯМХ > 9.03 ΆΝΏ РЕЯМХ < 2496.5 ΆΝΏ
ΙΕ РЕЯМУ > 8.53 ΆΝΏ РЕЯМУ < 665.9 ΆΝΏ
ΙΕ РЕЯМΖ > 0.8 9 ΆΝΌ РЕЯМΖ < 440.8 ΆΝΌ
ΙΕ РОЯО > 0.077 ΆΝΏ РОЯО < 0.25 ΆΝΏ
ΙΕ РОЯУ > 1.38е+5 ΆΝΏ РОЯУ < 5.26е+5 ΆΝΏ
ΙΕ РИМ > 2485.5 ΆΝΏ РИМ < 2874.4 ΆΝΏ
ΙΕ 8ААТ > 0.0 6 ΆΝΏ 8ААТ < 0.74
ТНЕЫ блок сетки принадлежит ОБЛАСТИ 1
Преимуществом этого 'нового подхода' является его простота. Поскольку самоорганизующаяся карта (8ОМ) является самообучающейся, эта технология не предусматривает использования экспертной системы. Единственное решение, которое должен принять пользователь, это сколько 'областей' он желает создать.
Второй этап, связанный со 'способом исторического согласования с использованием самоорганизующихся карт (8ОМ) для генерации областей', раскрытым в этом описании изобретения, включает в себя вычисление среднеквадратической (ЯМ8) ошибки на основании 'областей'. Для ускорения процесса согласования необходимо вычислять среднеквадратическую (ЯМ8) ошибку на основании областей. Это значит, что прямое влияние изменения параметра области можно сравнивать со степенью совпадения в этой области. Для этого необходимо разложить ЯМ8 ошибку для каждой скважины на составляющие, определяемые каждой отдельной областью. Каждая область, в которой скважина перфорирована, поразному определяет поведение скважины. Поскольку поведение скважины, в основном, определяется ее производительностью, очевидно, что важность области в скважине зависит от произведения проницаемости и толщины (кй). Чем выше кй области в перфорированной части скважины, тем больше ее вклад в производительность. Этот принцип используется для разложения ЯМ8 ошибки скважины на ошибку для каждой области, в которой скважина перфорирована. Суммирование всех ЯМ8 ошибок скважины для одной области можно использовать для определения ЯМ8 значения в области. Таким образом, можно непосредственно количественно определять прямое влияние изменения входного параметра области.
'Способ исторического согласования с использованием самоорганизующихся карт (8ОМ) для генерации областей', раскрытый в этом описании изобретения, представляет очевидное усовершенствование в отношении: 'качества исторического согласования' и 'количества проходов, необходимого для достижения исторического согласования' численной имитационной модели.
На фиг. 1 показана рабочая станция, персональный компьютер, или другая компьютерная система 10, предназначенная для хранения численной имитационной модели 12 и программного обеспечения 14 самоорганизующейся карты (8ОМ). Компьютерная система 10, показанная на фиг. 1, включает в себя процессор 10а, оперативно подключенный к системной шине 10Ь, память или другое устройство хранения программ 10с, оперативно подключенное к системной шине 10Ь, и устройство записи или отображения 106, оперативно подключенное к системной шине 10Ь. В памяти или другом устройстве хранения программ 10с хранится численная имитационная модель 12 и программное обеспечение 14 самооргани
- 3 013102 зующейся карты (8ΟΜ), которое вводит данные в численную имитационную модель 12 и принимает данные из нее. Численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (8ΟΜ), которые хранятся в памяти 10с, показанной на фиг. 1, могут первоначально храниться на ΟΌ-ΚΌΜ, причем этот СЭ-ΒΟΜ также является 'устройством хранения программ'. Этот СЭ-КОМ можно вставлять в компьютерную систему 10, и численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (8ΟΜ) могут загружаться с этого СЭ-ΡΟΜ в память/устройство хранения программ 10с компьютерной системы 10, показанной на фиг. 1. Компьютерная система 10, показанная на фиг. 1, принимает 'входные данные' 16, которые включают в себя 'исторически известные входные данные' 18. Процессор 10а будет выполнять численную имитационную модель 12 и программное обеспечение 14 самоорганизующейся карты (8ΟΜ), хранящиеся в памяти 10с, одновременно используя 'входные данные' 16, включающие в себя 'исторически известные входные данные' 18; и, в соответствии с этим, процессор 10а будет генерировать 'выходные данные' 20, подлежащие записи или отображению посредством устройства записи или отображения 106, показанного на фиг. 1. Компьютерная система 10, показанная на фиг. 1, будет пытаться производить 'историческое согласование' численной имитационной модели 12 с 'исторически известными входными данными' 18 и 'выходными данными' 20 (что будет рассмотрено ниже в этом описании изобретения) с использованием программного обеспечения 8ΟΜ 14 для достижения совпадения. Компьютерная система 10, показанная на фиг. 1, может представлять собой персональный компьютер (ПК), рабочую станцию, микропроцессор или универсальный компьютер. Примеры возможных рабочих станций включают в себя рабочую станцию 8Шеоп СгарЫек Ιηάφο 2, или рабочую станцию 8ип 8РЛКС, или рабочую станцию 8ип иЬТКЛ, или рабочую станцию 8ип ВЬАЭЕ. Память или устройство хранения программ 10с (включающее в себя вышеупомянутый СЭΚΟΜ) представляет собой компьютерно-считываемый носитель или устройство хранения программ, которое считывается машиной, например, процессором 10а. Процессор 10а может представлять собой, например, микропроцессор, микроконтроллер или процессор универсального компьютера или рабочей станции. Память или устройство хранения программ 10с, где хранятся численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (8ΟΜ), может представлять собой, например, жесткий диск, ПЗУ, СЭ-Κ.ΟΜ, ΌΡ.ΆΜ, или другое ОЗУ, флэш-память, магнитный носитель, оптический носитель, регистры или другую энергозависимую и/или энергонезависимую память.
На фиг. 2 показан блок сетки 22. Блок сетки 22 является лишь одним блоком сетки среди многих других блоков сетки, составляющих численную имитационную модель 12, причем каждый блок сетки включает в себя блок сетки 22, с которым связано один или несколько 'параметров' 24. Например, 'параметры' 24, связанные с блоками сетки (включающими в себя блок сетки 22), могут включать в себя проницаемость, или водопроводимость, или поровый объем, что полностью описано и изложено в патентах США 6,078,869 и 6,018,497, выданных Сипакекега, раскрытия которых включены в это описание изобретения посредством ссылки. Как отмечено выше, 'параметры' также могут включать в себя: геологическое описание, например тип литофации, единицы гидравлического потока (НЕИ), например проницаемости, пористости, инициализацию, например, водонасыщенности (начальную и критическую), начальное давление, дискретизацию, например пространственную дискретизацию (например, ΌΖ), поровые объемы блоков сетки, области РУТ, дренирование и движение вторичной фазы, например конечные точки относительной проницаемости.
Согласно фиг. 3 способ 'исторического согласования' численной имитационной модели 12 в отношении 'исторически известных входных данных' 18 и 'выходных данных' 20, показанных на фиг. 1, рассмотрен ниже со ссылкой на фиг. 3. Согласно фиг. 3 численная имитационная модель 12 включает в себя множество блоков сетки 22, причем с каждым из множества блоков сетки 22, показанных на фиг. 3, связано один или несколько 'параметров' 24, например проницаемость, или водопроводимость, или поровый объем. Согласно фиг. 3 при 'историческом согласовании' численной имитационной модели 12, 'исторически известные входные данные' вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадает с 'исторически известными выходными данными', численную имитационную модель 12 нужно сначала 'отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. Для «регулировки» модели 12 рассмотрим этапы или блоки 26а и 26Ь на фиг. 3. На этапе 26а, для «регулировки» модели 12, определенные 'области' должны быть заданы в численной имитационной модели 12. Когда 'области' заданы в численной имитационной модели 12, на этапе 26Ь, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. В этот момент модель 12 'отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, снова генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадают с 'исторически известными выходными данными', численную имитационную модель 12 нужно 'повторно
- 4 013102 отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. На этапе 26Ь, чтобы 'повторно отрегулировать' модель 12, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. В этот момент модель 12 'повторно отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, снова генерируются 'выходные данные' 20. Этот процесс повторяется до тех пор, пока 'выходные данные' 20 действительно, по существу, не совпадут с 'исторически известными выходными данными'. В этот момент, численная имитационная модель 12 'исторически согласована'.
На фиг. ЗА показана реалистическая иллюстрация типичной численной имитационной модели 12, показанной на фиг. 3. Обратите внимание на многочисленные блоки сетки 22, с которыми связаны 'параметры' 24, представленные на фиг. 2.
На фиг. 4 показана численная имитационная модель 12, изображенная на фиг. 3, включающая в себя множество блоков сетки 22. Согласно фиг. 4 модель 12 включает в себя множество 'областей' 30, где каждая 'область' 30 модели 12 дополнительно включает в себя один или несколько блоков сетки 22, причем с каждым блоком сетки 22 связаны 'параметры' 24, показанные на фиг. 2. Напомним, что, для 'исторического согласования' численной имитационной модели 12, некоторые 'области' 30 должны быть заданы в численной имитационной модели 12. При задании 'областей' 30 в численной имитационной модели 12, на этапе 26Ь, показанной на фиг. 3, необходимо умножить 'параметры' 24 (показанные на фиг. 2) в каждом блоке сетки 22 'области' 30 на определенное значение. В этот момент модель 12 'отрегулирована'.
Согласно фиг. 4 и 5, в первую очередь, согласно фиг. 5, 'параметры' Р1, Р2, ... и Р10, связанные с каждым блоком сетки 22 (помимо 'всей доступной информации', связанной с каждым блоком сетки 22) численной имитационной модели 12, вводятся в качестве входных данных в программное обеспечение 14 самоорганизующейся карты (8ΘΜ), и, в соответствии с этим, программное обеспечение 8ΘΜ 14 задает 'области' 30 численной имитационной модели 12, которые проиллюстрированы на фиг. 4. В частности, программное обеспечение 8ΘΜ 14 будет задавать 'области' 30 'сходного поведения' в численной имитационной модели 12. Например, согласно фиг. 4, программное обеспечение 8ΘΜ 14, показанное на фиг. 5, будет задавать: (1) первую 'область 1' 30а, имеющую первый конкретный тип сходного поведения, (2) вторую 'область 2' 30Ь, имеющую второй конкретный тип сходного поведения, (3) третью 'область 3' 30с, имеющую третий конкретный тип сходного поведения, (4) четвертую 'область 4' 306, имеющую четвертый конкретный тип сходного поведения, (5) пятую 'область 5' 30е, имеющую пятый конкретный тип сходного поведения, (6) шестую 'область 6' 30Г, имеющую шестой конкретный тип сходного поведения, и (7) седьмую 'область 7' 30д, имеющую седьмой конкретный тип сходного поведения.
Согласно фиг. 4 и 6, в первую очередь, согласно фиг. 6, заметим, что 'вся доступная информация', связанная с каждым из блоков сетки 22 численной имитационной модели 12, используется программным обеспечением 8ΘΜ 14 для генерации и задания 'областей' 30 сходного поведения среди блоков сетки 22 численной имитационной модели 12, и, в соответствии с этим, программное обеспечение 8ΘΜ 14 организует блоки сетки 22 численной имитационной модели 12 в одну или несколько заданных 'областей' 30а, 30Ь, 30с, 306, 30е, 30Г и 30д, которые показаны на фиг. 4. Согласно фиг. 6, например, 'вся доступная информация о блоке сетки 1' 32, и 'вся доступная информация о блоке сетки 2' 34, ..., и 'вся доступная информация о блоке сетки Ν' 36 применяется программным обеспечением 8ΘΜ 14. В соответствии с этим, программное обеспечение 8ΘΜ 14 будет 'генерировать и задавать области сходного поведения на основании всей доступной информации, связанной с блоками сетки', что отражено этапом 38 на фиг. 6. Когда 'области сходного поведения' заданы, что отражено этапом 40 на фиг. 6, программное обеспечение 8ΘΜ 14 будет организовывать блоки сетки 22 в одну или несколько 'областей' сходного поведения, как показано на фиг. 4. Например, согласно фиг. 4, программное обеспечение 8ΘΜ 14, показанное на фиг. 1, 5 и 6, будет: (1) организовывать блоки сетки 22 в 'область 1' 30а, имеющую первый тип сходного поведения, (2) организовывать блоки сетки 22 в 'область 2' 30Ь, имеющую второй тип сходного поведения, (3) организовывать блоки сетки 22 в 'область 3' 30с, имеющую третий тип сходного поведения, (4) организовывать блоки сетки 22 в 'область 4' 306, имеющую четвертый тип сходного поведения, (5) организовывать блоки сетки 22 в 'область 5' 30е, имеющую пятый тип сходного поведения, (6) организовывать блоки сетки 22 в 'область 6' 30Г, имеющую шестой тип сходного поведения, и (7) организовывать блоки сетки 22 в 'область 7' 30д, имеющую седьмой тип сходного поведения.
На фиг. 7 показана блок-схема 38, которая описывает, как программное обеспечение 8ΘΜ 14, показанное на фиг. 1, 5 и 6, будет 'задавать области сходного поведения', что отражено этапом 38 на фиг. 6. Блок-схема 38 на фиг. 7, представляющая этап 38 на фиг. 6, включает в себя следующие подэтапы: этап 38а, этап 38Ь, этап 38с и этап 386. Чтобы полностью понять этап 38, показанный на фиг. 6, который включает в себя подэтапы 38а-386, показанные на фиг. 7, было бы полезно обратиться к патенту США 6,950,786, выданному Зоннеланду (8опие1ап6) и др. (ниже, патент '786 Зоннеланда и др.), выданному 27 сентября 2005 г., под названием 'ЧСебюб аиб АрратаШк Гог Сеиетайид а Сгокк Р1о1 ίη АШтЬи1е 8расе Ггот а Р1ига111у оГ АипЬШе Эа1а 8е1к аиб Сеиетайид а С1акк Эа1а 8е1 Ггот 1Не Сгокк Р1о1. с конкретной ссылкой на фиг. 16-21 патента '786 Зоннеланда и др., раскрытие которого включено посредством ссылки в описание
- 5 013102 этой заявки. Согласно фиг. 7 программное обеспечение 8ΟΜ 14 будет 'задавать области сходного поведения' (что отражено этапом 38 на фиг. 6), выполняя следующие этапы: (1) построение кросс-плота параметров ячеек сетки, этап 38а на фиг. 7, например параметры 24 ячеек сетки 22 на фиг. 2, (2) выявление кластеров точек в кросс-плоте точки в кластере представляют ячейки сетки, имеющие параметры, демонстрирующие сходное поведение, этап 38Ь, (3) обозначение ячеек сетки на многомерном графике, с одновременным выявлением тех ячеек сетки в кластере, которые демонстрируют сходное поведение, этап 38с, и (4) группирование друг с другом тех ячеек сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте - эта группа называется 'областью', этап 386.
Функциональное описание действия настоящего изобретения приведено ниже со ссылкой на фиг. 17 чертежей.
Согласно фиг. 3, при 'историческом согласовании' численной имитационной модели 12, 'исторически известные входные данные' вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадает с 'исторически известными выходными данными', численную имитационную модель 12 нужно сначала 'отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. Для «регулировки» модели 12 рассмотрим этапы или блоки 26а и 26Ь на фиг. 3. На этапе 26а, для «регулировки» модели 12, определенные 'области' 30 модели 12, показанной на фиг. 4, нужно задавать и регулировать в численной имитационной модели 12. 'Области' 30 численной имитационной модели 12, показанной на фиг. 4, задаются и генерируются программным обеспечением 8ΟΜ 14, показанным на фиг. 1, 5 и 6. Программное обеспечение 8ΟΜ 14 будет задавать и генерировать 'области' 30, показанные на фиг. 4, выполняя следующие этапы, представленные на фиг. 7 (согласно патенту США 6,950,786, выданному Зоннеланду и др., с конкретной ссылкой на фиг. 16-21 патента '786 Зоннеланда и др., раскрытие которого уже включено сюда посредством ссылки): (1) построение кросс-плота параметров ячеек сетки, этап 38а на фиг. 7, например, параметры 24 ячеек сетки 22 на фиг. 2, (2) выявление кластеров точек в кросс-плоте - точки в кластере представляют ячейки сетки, имеющие параметры, демонстрирующие сходное поведение, этап 38Ь, (3) обозначение ячеек сетки на многомерном графике, с одновременным выявлением тех ячеек сетки в кластере, которые демонстрируют сходное поведение, этап 38с, и (4) группирование друг с другом тех ячеек сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте - эта группа называется 'областью', этап 386. При задании 'областей' программным обеспечением 8ΟΜ 14 в численной имитационной модели 12, на этапе 26Ь на фиг. 3, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. Однако 'значение' для одной 'области' может отличаться от 'значения' для другой 'области', поскольку 'очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели'. В этот момент, модель 12 'отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, снова генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадают с 'исторически известными выходными данными', численную имитационную модель 12 нужно 'повторно отрегулировать' таким же образом, как описано выше, прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. На этапе 26Ь, чтобы 'повторно отрегулировать' модель 12, может потребоваться: (1) использовать программное обеспечение 8ΟΜ 14 для задания 'областей' 30 численной имитационной модели 12, показанной на фиг. 4, путем выполнения этапов 38а-386, показанных на фиг. 7 (этап, который может быть уже выполнен и потому может не потребоваться), и (2) умножить параметры 24 в каждом блоке сетки каждой вновь заданной 'области' на определенное значение. Опять же, 'значение' для одной 'области' может отличаться от 'значения' для другой 'области', поскольку 'очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели'. В этот момент, модель 12 'повторно отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, снова генерируются 'выходные данные' 20. Этот процесс повторяется до тех пор, пока 'выходные данные' 20 действительно, по существу, не совпадут с 'исторически известными выходными данными'. В этот момент численная имитационная модель 12 'исторически согласована'.
Хотя вышеприведенное описание относится к использованию 8ΟΜ для задания 'областей' в ходе 'исторического согласования' численных имитационных моделей, очевидно, что возможны разнообразные изменения. Такие изменения не следует рассматривать как отход от сущности и объема заявленного способа или устройства или устройства хранения программ, и специалистам в данной области очевидно, что все подобные модификации подлежат включению в объем нижеприведенной формулы изобретения.
- 6 013102
Claims (12)
- ФОРМУЛА ИЗОБРЕТЕНИЯ1. Способ исторического согласования имитационной модели, содержащий этапы, на которых:(a) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение, (b) вводят исторически известные входные данные в модель, (c) генерируют выходные данные из модели в соответствии с исторически известными входными данными, (б) сравнивают выходные данные из модели с набором исторически известных выходных данных, (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и (1) повторяют этапы (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
- 2. Способ по п.1, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.
- 3. Способ по п.2, в котором на этапе задания областей, демонстрирующих сходное поведение в модели, устанавливают зависимость параметров ячеек сетки на кросс-плоте, идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение, обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.
- 4. Устройство хранения программ, считываемое машиной, материально реализующее программу из команд, выполняемых машиной, для осуществления этапов способа исторического согласования имитационной модели на следующих этапах способа:(a) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение, (b) вводят исторически известные входные данные в модель, (c) генерируют выходные данные из модели в соответствии с исторически известными входными данными, (б) сравнивают выходные данные из модели с набором исторически известных выходных данных, (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и (1) повторяют этапы (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
- 5. Устройство хранения программ по п.4, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.
- 6. Устройство хранения программ по п.5, в котором на этапе задания областей, демонстрирующих сходное поведение в модели, устанавливают зависимость параметров ячеек сетки на кросс-плоте, идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение, обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.
- 7. Компьютерная программа, предназначенная для выполнения процессором, причем компьютерная программа при выполнении процессором осуществляет процесс исторического согласования имитационной модели, причем процесс содержит:(а) задание областей, демонстрирующих сходное поведение в модели, и таким образом генерацию модели, имеющей множество областей, причем каждая из множества областей демонстрирует сходное поведение,- 7 013102 (b) ввод исторически известных входных данных в модель, (c) генерацию выходных данных из модели в соответствии с исторически известными входными данными, (б) сравнение выходных данных из модели с набором исторически известных выходных данных, (е) регулировку модели, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и (1) повторение этапов (Ь), (с), (б) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
- 8. Компьютерная программа по п.7, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.
- 9. Компьютерная программа по п.8, в которой на этапе задания областей, демонстрирующих сходное поведение в модели, устанавливают зависимость параметров ячеек сетки на кросс-плоте, идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение, обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.
- 10. Система, предназначенная для исторического согласования имитационной модели, содержащая первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, и таким образом генерировать модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение, второе устройство, способное вводить исторически известные входные данные в модель, третье устройство, способное генерировать выходные данные из модели в соответствии с исторически известными входными данными, четвертое устройство, способное сравнивать выходные данные из модели с набором исторически известных выходных данных, пятое устройство, способное регулировать модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем пятое устройство включает в себя шестое устройство, способное арифметически изменять каждую из областей модели, и седьмое устройство, способное повторять функции, осуществляемые вторым, третьим, четвертым, пятым и шестым устройствами, пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.
- 11. Система по п.10, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой шестое устройство, способное к арифметическому изменению каждой из областей модели, содержит устройство, способное умножать параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.
- 12. Система по п.11, в которой первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, содержит устройство, способное устанавливать зависимость параметров ячеек сетки на кросс-плоте, устройство, способное идентифицировать кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение, устройство, способное обозначать ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и устройство, способное группировать друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.- 8 013102
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US77458906P | 2006-02-17 | 2006-02-17 | |
| US11/595,508 US7805283B2 (en) | 2006-02-17 | 2006-11-10 | Method for history matching a simulation model using self organizing maps to generate regions in the simulation model |
| PCT/US2007/004248 WO2007098087A2 (en) | 2006-02-17 | 2007-02-16 | Method for history matching a simulation model using self organizing maps to generate regions in the simulation model |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| EA200870273A1 EA200870273A1 (ru) | 2009-06-30 |
| EA013102B1 true EA013102B1 (ru) | 2010-02-26 |
Family
ID=38266653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EA200870273A EA013102B1 (ru) | 2006-02-17 | 2007-02-16 | Способ исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US7805283B2 (ru) |
| EP (1) | EP1994481B1 (ru) |
| CA (1) | CA2642187C (ru) |
| EA (1) | EA013102B1 (ru) |
| MX (1) | MX2008010442A (ru) |
| NO (1) | NO20083954L (ru) |
| WO (1) | WO2007098087A2 (ru) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9175547B2 (en) | 2007-06-05 | 2015-11-03 | Schlumberger Technology Corporation | System and method for performing oilfield production operations |
| US8275589B2 (en) * | 2009-02-25 | 2012-09-25 | Schlumberger Technology Corporation | Modeling a reservoir using a compartment model and a geomechanical model |
| BR112012017278A2 (pt) | 2010-02-12 | 2016-04-26 | Exxonmobil Upstream Res Co | método e sistema para criar modelos de simulação de ajuste de histórico |
| AU2011283109B2 (en) * | 2010-07-30 | 2016-07-21 | Exxonmobil Upstream Research Company | Systems and methods for predicting well performance |
| US9542662B2 (en) * | 2010-12-30 | 2017-01-10 | Sap Se | Lineage information for streaming event data and event lineage graph structures for visualization |
| US10054712B2 (en) | 2013-12-30 | 2018-08-21 | Saudi Arabian Oil Company | Computer-implemented methods for reservoir simulation with automated well completions and reservoir grid data quality assurance |
| CN105631185A (zh) * | 2014-11-07 | 2016-06-01 | 中国石油化工股份有限公司 | 数值模拟历史拟合质量评价方法 |
| CN109902418B (zh) * | 2019-03-08 | 2022-09-06 | 南京理工大学 | 一种计算eacld中心刚体-悬臂梁模型动力学响应的仿真方法 |
| US20200409773A1 (en) * | 2019-06-28 | 2020-12-31 | Ati Technologies Ulc | Safety monitor for incorrect kernel computation |
| US11680465B2 (en) | 2019-12-23 | 2023-06-20 | Saudi Arabian Oil Company | Systems and methods for multiscale sector hydrocarbon reservoir simulation |
| US11775705B2 (en) | 2020-04-23 | 2023-10-03 | Saudi Arabian Oil Company | Reservoir simulation model history matching update using a one-step procedure |
| US20230076053A1 (en) * | 2021-09-09 | 2023-03-09 | Landmark Graphics Corporation | Contextualization of geoscientific data using geological age framework |
| US11613957B1 (en) | 2022-01-28 | 2023-03-28 | Saudi Arabian Oil Company | Method and system for high shut-in pressure wells |
| US12024985B2 (en) | 2022-03-24 | 2024-07-02 | Saudi Arabian Oil Company | Selective inflow control device, system, and method |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6078869A (en) * | 1997-02-27 | 2000-06-20 | Geoquest Corp. | Method and apparatus for generating more accurate earth formation grid cell property information for use by a simulator to display more accurate simulation results of the formation near a wellbore |
| GB2345776A (en) * | 1998-11-05 | 2000-07-19 | Schlumberger Ltd | Method of determining geological facies |
| US6950786B1 (en) * | 2000-10-10 | 2005-09-27 | Schlumberger Technology Corporation | Method and apparatus for generating a cross plot in attribute space from a plurality of attribute data sets and generating a class data set from the cross plot |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7225078B2 (en) * | 2004-11-03 | 2007-05-29 | Halliburton Energy Services, Inc. | Method and system for predicting production of a well |
| US20070016389A1 (en) * | 2005-06-24 | 2007-01-18 | Cetin Ozgen | Method and system for accelerating and improving the history matching of a reservoir simulation model |
-
2006
- 2006-11-10 US US11/595,508 patent/US7805283B2/en active Active
-
2007
- 2007-02-16 EP EP07751037.8A patent/EP1994481B1/en active Active
- 2007-02-16 EA EA200870273A patent/EA013102B1/ru not_active IP Right Cessation
- 2007-02-16 WO PCT/US2007/004248 patent/WO2007098087A2/en active Application Filing
- 2007-02-16 MX MX2008010442A patent/MX2008010442A/es active IP Right Grant
- 2007-02-16 CA CA2642187A patent/CA2642187C/en active Active
-
2008
- 2008-09-16 NO NO20083954A patent/NO20083954L/no not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6078869A (en) * | 1997-02-27 | 2000-06-20 | Geoquest Corp. | Method and apparatus for generating more accurate earth formation grid cell property information for use by a simulator to display more accurate simulation results of the formation near a wellbore |
| GB2345776A (en) * | 1998-11-05 | 2000-07-19 | Schlumberger Ltd | Method of determining geological facies |
| US6950786B1 (en) * | 2000-10-10 | 2005-09-27 | Schlumberger Technology Corporation | Method and apparatus for generating a cross plot in attribute space from a plurality of attribute data sets and generating a class data set from the cross plot |
Non-Patent Citations (4)
| Title |
|---|
| MILLIKEN W.J. ET AL.: "Applications of 3D streamline simulation to assist history matching", SPE RESERVOIR ENG; SPE RESERVOIR ENGINEERING (SOCIETY OF PETROLEUM ENGINEERS) DECEMBER 2001, vol. 4, no. 6, December 2001 (2001-12), pages 502-508, XP002444199, in particular sections: The AHM Technique and History-Matching Algorithms, the whole document * |
| SHREEVE S.M. ET AL.: "Determination of gas reservoir permeabilities using a nonlinear optimization technique", J PET SCI ENG; JOURNAL OF PETROLEUM SCIENCE & ENGINEERING FEB 1991, vol. 5, no. 2, February 1991 (1991-02), pages 187-193, XP002444198 * |
| TODD HOFFMAN B. ET AL.: "Regional probability perturbations for history matching", JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING, ELSEVIER, AMSTERDAM, NL, vol. 46, no. 1-2, 15 February 2005 (2005-02-15), pages 53-71, XP004714187, ISSN: 0920-4105, in particular: paragraph bridging pages 53 and 54 section 2. Regional probability perturbations, the whole document * |
| ZANGL G. ET AL.: "Application of artificial intelligence in gas storage management (SPE100133)", SOC. PETROL. ENG. EUR. ASSOC. GEOSCI. ENG. CONF. EXHIBIT. INC. SPE EUROPEC EAGE OPPORTUNITIES MATURE AREAS; SOCIETY OF PETROLEUM ENGINEERS, 68TH EUROPEAN ASSOCIATION OF GEOSCIENTISTS AND ENGINEERS CONFERENCE AND EXHIBITION, INCORPORATING SPE EUROPEC, vol. 3, 2006, pages 1256-1262, XP002444335, the whole document * |
Also Published As
| Publication number | Publication date |
|---|---|
| MX2008010442A (es) | 2008-10-17 |
| CA2642187C (en) | 2013-10-08 |
| CA2642187A1 (en) | 2007-08-30 |
| US7805283B2 (en) | 2010-09-28 |
| WO2007098087A3 (en) | 2007-11-22 |
| EA200870273A1 (ru) | 2009-06-30 |
| EP1994481B1 (en) | 2018-10-24 |
| NO20083954L (no) | 2008-11-06 |
| WO2007098087A2 (en) | 2007-08-30 |
| EP1994481A2 (en) | 2008-11-26 |
| US20070198234A1 (en) | 2007-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EA013102B1 (ru) | Способ исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели | |
| CN104115035B (zh) | 在巨型储层中的多孔介质仿真中大规模线性系统的多级求解 | |
| CA2711167A1 (en) | Executing a utility in a distributed computing system based on an integrated model | |
| WO2009145960A1 (en) | Robust optimization-based decision support tool for reservoir development planning | |
| US20200226311A1 (en) | Reservoir regions management with unstructured grid reservoir simuation model | |
| EP2866161A1 (en) | System and method for visualization and optimization of system of systems | |
| US20220405440A1 (en) | Systems and methods for generating reduced order models | |
| CN111666355B (zh) | 一种领域、数据、场景三层模型的模型构建方法及装置 | |
| CN106445913A (zh) | 基于MapReduce的语义推理方法及系统 | |
| CN108710734B (zh) | 基于网格自适应加密与粗化技术的数值模拟方法和装置 | |
| CN116882323B (zh) | 一种考虑时序性及细分任务的自适应代理策略优化方法 | |
| CN109212999B (zh) | 数字卫星仿真工况的智能生成方法及系统 | |
| CN117541070A (zh) | 基于机器学习与博弈论的油井多层合采产量劈分方法 | |
| Schivo et al. | Setting parameters for biological models with ANIMO | |
| WO2023138077A1 (zh) | 反应堆建模数据获取方法、装置、设备、介质和程序产品 | |
| Reimann et al. | A pattern approach to conquer the data complexity in simulation workflow design | |
| US9471723B2 (en) | Input parsing and array manipulation in reservoir simulation | |
| Zimmer | Module-preserving compilation of modelica models | |
| KR20200127483A (ko) | 매트랩을 활용한 모델링 자동화 장치 및 방법 | |
| JP2006065521A (ja) | 工程変更支援装置およびその方法 | |
| US20230237225A1 (en) | Machine learning based reservoir modeling | |
| Zhang et al. | Composite service selection based on dot pattern mining | |
| Ruth et al. | Modeling dynamic systems | |
| US20120166153A1 (en) | Discretely gridding complex fracturing for simulation | |
| Haas | Improving the efficiency of stochastic composite simulation models via result caching |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Lapse of a eurasian patent due to non-payment of renewal fees within the time limit in the following designated state(s) |
Designated state(s): AM BY KG MD TJ |
|
| MM4A | Lapse of a eurasian patent due to non-payment of renewal fees within the time limit in the following designated state(s) |
Designated state(s): AZ KZ TM RU |