بهبود تطابق تاریخچه ی مخازن شکافدار با استفاده از حداقل مربعات ماشین بردار پشتیبان و الگوریتم ازدحام ذرات

در این مقاله از حداقل مربعات ماشین بردار پشتیبان به عنوان مدل پروکسی جهت تطابق تاریخچه ی مخازن شکاف دار استفاده شده است. مدل پروکسی برای مدل سازی تابع هدف تطابق تاریخچه بر اساس داده های حاصل از میادین نفتی ساخته می شود. هدف از تطابق تاریخچه، حداقل سازی تابع هدف مربوطه است. برای این کار تابع هدف مورد نظر توسط الگوریتم ازدحام ذرات به حداقل مقدار ممکن خود می رسد. در تطابق تاریخچه ی خودکار، آنالیز حساسیت سنجی اغلب روی مدل شبیه ساز اعمال می شود. برای این کار جهت به دست آوردن محدوده ی جدیدی از متغیرهای عدم قطعیت (متغیرهای تطابق) که در آنها تابع هدف حداقل مقدار را دارد، آنالیز حساسیت سنجی روی مدل پروکسی انجام شد. به کارگیری محدوده های بهبود یافته مربوط به متغیرهای عدم قطعیت در الگوریتم بهینه سازی، منجر به افزایش سرعت بهینه سازی تابع هدف می شود و همچنین خروجی الگوریتم بهینه سازی که در واقع همان متغیرهای تطابقند، در زمان کمتر و با دقت بیشتری تولید می شوند. کارآیی رویه ی ارائه شده در این مقاله با کارآیی روش معمول در تطابق تاریخچه مقایسه شده است. نتایج حاصل نشان می دهد که رویه ی ارائه شده نسبت به روش معمول منجر به نتایج مطمئن تر، سرعت همگرایی بیشتر و خطای کمتری بین داده های واقعی و شبیه سازی شده برای تطابق تاریخچه می گردد. همچنین به علت سرعت عملکرد زیاد و عدم نیاز به تعداد زیادی از مجموعه ی داده ها، حداقل مربعات ماشین بردار پشتیبان می تواند گزینه ی مناسبی جهت ساخت مدل پروکسی باشد.