Проєктування інтелектуальної системи глобального пошуку зон розущільнень порід колекторів вуглеводнів з використанням дискретних технологій

М. М. Яцишин; І. З. Лютак; Х. І. Думка; В. В. Процюк; С. О. Дмитренок

doi:10.31471/1993-9965-2023-2(55)-70-76

Автор(и)

М. М. Яцишин ІФНТУНГ; 76019, м. Івано-Франківськ, вул. Карпатська,15
І. З. Лютак ІФНТУНГ; 76019, м. Івано-Франківськ, вул. Карпатська,15
Х. І. Думка ІФНТУНГ; 76019, м. Івано-Франківськ, вул. Карпатська,15
В. В. Процюк ІФНТУНГ; 76019, м. Івано-Франківськ, вул. Карпатська,15
С. О. Дмитренок ІФНТУНГ; 76019, м. Івано-Франківськ, вул. Карпатська,15

DOI:

https://doi.org/10.31471/1993-9965-2023-2(55)-70-76

Ключові слова:

теорія категорій, метод мурашиних колоній, глобальний пошук, зони розущільнень, породи-колектори, вуглеводні, прогнозування.

Анотація

Дослідження присвячено розробці нових підходів для прогнозування зон розущільнень порід-колекторів вуглеводнів з використанням формально-логічного апарату теорії категорій та алгоритму мурашиних колоній. При аналіз предметної області виявлено, що ефективність прогнозування поширення покладів вугле воднів значно зростає у випадку використання знань про динаміку процесів, які створюють сприятливі умови для формування скупчень вуглеводнів. Здійснено виділення основних інформаційних потоків, які характеризують об’єкт дослідження та виділено дві основні групи: параметри, які безпосередньо характеризують наявність/відсутність розущільнень, та параметри, які опосередковано характеризують наявність/відсутність розущільнень. У процесі аналізу існуючих методів та способів прогнозування розущільнень основним етапом є обробка великих масивів даних, які характеризуються слабкою структуризацією, нечіткістю, низькою достовірністю. Виходячи з цього, запропоновано використовувати формальнологічний апарат теорії категорій з елементами використання засобів дискретних структур та мультиагентного підходу. З метою формування цільових функцій використано метод найменших квадратів, який з достатньою нам точністю буде математично формалізувати уже структуровані дані. Запропоновано організаційну структуру опису процесу прогнозування розущільнень порід-колекторів. У процесі формалізації підходу для процесу прогнозування виділено основні параметри, які впливають на нього. Виділено основні типи агентів, які дозволять прогнозувати наявність/відсутність порід колеторів. Використано для виконання поставленого завдання алгоритм мурашиних колоній з метою здійснення глобального пошуку, використовуючи дискретні технології.

Завантаження

Дані завантаження ще не доступні.

Посилання

Rudowsky I. Intelligent Agentsю Americas Conference on Information systems. New York, August 2004.

Mark Sims, Daniel Corkill, Victor Lesser. Separating Domain and Coordination in Multi- Agent Organizational Design and Instantiation. International Conference on Intelligent Agent Technology (IAT 2004). September 2004. P. 155- 161.

Tambe M., Adibi J., Alonaizon Y., Erdem A., Kaminka G., Marsella S., Muslea I. Building agent teams using an explicit teamwork model and learning. Artificial Intelligence. 1999. No 110. P. 215–240.

Decker K., Lesser V. Generalizing the partial global planning algorithm. International Journal an Intelligent Cooperative Information Systems. June 1992. Vol. 1(2). P. 319–346.

Lesser V., Decker K., Wagner T., Carver N., Garvey A., Horling B., Neiman D., Podorozh- ny R., Nagendra Prasad M., Raja A., Vincent R., Xuan P., Zhang X. Evolution of the GPGP/TAEMS Domain-Independent Coordination Framework. Autonomous Agents and Multi-Agent Systems. July 2004. Vol. 9(1). P. 87–143.

Mayevskiy B.Y., Zderka T.V., Kurovets S.S., Yarema A.V. Lithogenetic fracturing of Oligocene reservoir-rocks of the pre-Carpathian depression. Journal of Hydrocarbons Mines and Environmental Research. 2010. No 16. P. 53–59.

Krivoulya G., Tokariev V., Ilina I, Shcher- bak V. Mathematical Model for Finding Probabil- ity of Detecting Victims of Man-Made Disasters Using Distributed Computer System with Recon- figurable Structure and Programmable Logic. IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology: (PIC S&T). 06-09 oct. 2020. Kharkiv, 2020. P. 197–201.

Shtovba S. D., Rudyi O. M. Ant Algorithms Optimization. Visnyk VPI. 2004. No 4.

P. 62–69. [in Ukrainian]

Pintea C.-M. Advances in Bio-inspired Computing for Combinatorial Optimization Prob- lems. Heidelberg: Springer, 2014.

Karaboga D., Gorkemli B., Ozturk C., Karaboga N. A comprehensive survey: artificial bee colony (ABC) algorithm and applications. Artificial Intelligence Review. 2014. Vol. 42(1). P. 21–57.

Subbotin S. О., Oliinyk А. О., Oliinyk О. О. Neiteratyvni, evoliutsiini ta multyagentni metody syntezu nechitkologichnykh i neiromerezhnykh modelei: monographiia / pid zag. red. S. О. Subbotina. Zaporizhzhia: ZNTU, 2009. [in Ukrainian]