Цель данного исследования заключалась в представлении алгоритма, созданного с использованием научно-методических основ количественно-качественной обработки геолого-промысловых данных и позволяющего реализовать процедуру глубокой идентификации залежей.
Разработанный алгоритм состоит из двух уровней: на начальном этапе производится разделение объектов по тектонико-стратиграфическому признаку, в результате этого формируется ряд мегагрупп объектов, после чего с использованием элементов факторного анализа данных производится их глубокая дифференциация совместно с мониторингом объектов, которые обладают высокой степенью идентичности между собой. Представленный подход к решению задач эффективного группирования залежей является наиболее результативным за счет комплексной и обоснованной оценки образуемых в результате моделирования групп объектов. На примере ряда объектов, приуроченных к терригенным коллекторам девонской и каменноугольной систем Волго-Уральской нефтегазоносной провинции, проведена апробация разработанного алгоритма. Доля верно сгруппированных объектов после двух этапов расчетов составила в среднем 96,8 %, что является высоким результатом. Для качественного и объективного поиска объектов-аналогов получено 18 уравнений, объединяющих между собой на достаточно релевантном уровне достоверности 20 параметров, которые описывают геолого-физические характеристики продуктивных пластов и физико-химические свойства насыщающих их флюидов. На основании результатов использования разработанного алгоритма глубокой идентификации залежей получен ряд актуальных математических зависимостей между различными параметрами, графических распределений объектов в осях главных компонент, в совокупности позволяющих по залежам терригенных коллекторов девонской и каменноугольной систем Волго-Уральской нефтегазоносной провинции эффективно и систематично производить поиск объектов-аналогов. Помимо этого, на основе представленных идентификационных схем можно успешно управлять процессами нефтеизвлечения в пределах микро- и макроуровней рас
Одним из интенсивно развивающихся направлений современной теории управления является идентификация систем, связанная с построением математических моделей систем в виде совокупности математических соотношений, адекватно отражающих основные свойства системы. Всё большую популярность в задачах структурно-параметрической идентификации систем на основе доступных наблюдений и экспериментальных данных находят методы символьной регрессии, позволяющие строить регрессионные модели в виде кодов математических выражений в символьной форме. Среди известных численных эволюционных методов символьной регрессии общепризнанным «фаворитом» является метод генетического программирования, применение которого позволяет описать поиск решения задачи как построение регрессионной модели путем перебора различных произвольных суперпозиций функций из некоторого заранее заданного набора. При этом важными показателями, определяющими качество идентификации математической модели системы, является точность и сложность идентифицированной модели. Нередко полученные в результате решения задачи идентификации модели системы недостаточно точны или избыточно сложны. В результате решение задачи идентификации неразрывно связано с обеспечением достаточной точности и простоты идентифицированной модели. В связи с этим естественно придерживаться принципа сбалансированной идентификации, который указывает на поиск компромисса между точностью воспроизведения и мерой сложности идентифицированной модели. Целью настоящей работы, развивающей концепцию сбалансированной идентификации, является анализ компромисса между точностью и сложностью моделей динамических систем, идентифицированных методом генетического программирования. В работе вводится в рассмотрение функционал «точность – сложность», позволяющий при решении задачи идентификации вычислять баланс компромисса между данными ключевыми показателями идентифицированных моделей. Эффективность предложенного функционала демонстрируется на примере компьютерной идентификации методом генетического программирования динамиче
Исследовано распределение и поток ультрафиолетового излучения в пространстве
вокруг напольных облучателей открытого типа с различным количеством и распо-
ложением ламп. Разработана расчётная модель облучателя, состоящего из газораз-
рядных амальгамных ламп низкого давления и непрозрачных элементов конструкции
круглого сечения, учитывающая точки расположения и размеры всех поглощающих
элементов конструкции. В результате экспериментов и компьютерного моделирова-
ния было показано, каким образом необходимо располагать газоразрядные лампы для
достижения наилучшего коэффициента использования бактерицидного потока.
Результаты расчётной модели совпадают с экспериментальными результатами.
В работе представлен краткий обзор подходов для моделирования взаимодействия
поляризованного света с мутными рассевающими средами. В данной работе представлены несколько
реализаций программ Монте–Карло, отслеживающих состояние поляризации рассеянного света. Рассмотрено
несколько классов моделей, основанных на формализме Стокса–Мюллера и формализме Джонса.
Проанализированы их преимущества и недостатки