論文の概要: TunaOil: A Tuning Algorithm Strategy for Reservoir Simulation Workloads
- arxiv url: http://arxiv.org/abs/2208.02606v1
- Date: Thu, 4 Aug 2022 12:11:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-05 13:05:50.179463
- Title: TunaOil: A Tuning Algorithm Strategy for Reservoir Simulation Workloads
- Title（参考訳）: TunaOil: 貯留層シミュレーションワークロードのチューニングアルゴリズム戦略
- Authors: Felipe Albuquerque Portella, David Buchaca Prats, Jos\'e Roberto
Pereira Rodrigues, Josep Llu\'is Berral
- Abstract要約: TunaOilは貯水池流れシミュレーションの最適数値パラメータの探索を強化する新しい手法である。
我々は,異なるオーラクル内のモデルのアンサンブルを利用して,各シミュレーションから情報を抽出し,その後の実行時の数値パラメータを最適化する。
実験の結果, 予測によって全体の負荷を平均31%改善できることがわかった。
- 参考スコア（独自算出の注目度）: 0.9940728137241215
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reservoir simulations for petroleum fields and seismic imaging are known as
the most demanding workloads for high-performance computing (HPC) in the oil
and gas (O&G) industry. The optimization of the simulator numerical parameters
plays a vital role as it could save considerable computational efforts.
State-of-the-art optimization techniques are based on running numerous
simulations, specific for that purpose, to find good parameter candidates.
However, using such an approach is highly costly in terms of time and computing
resources. This work presents TunaOil, a new methodology to enhance the search
for optimal numerical parameters of reservoir flow simulations using a
performance model. In the O&G industry, it is common to use ensembles of models
in different workflows to reduce the uncertainty associated with forecasting
O&G production. We leverage the runs of those ensembles in such workflows to
extract information from each simulation and optimize the numerical parameters
in their subsequent runs.
To validate the methodology, we implemented it in a history matching (HM)
process that uses a Kalman filter algorithm to adjust an ensemble of reservoir
models to match the observed data from the real field. We mine past execution
logs from many simulations with different numerical configurations and build a
machine learning model based on extracted features from the data. These
features include properties of the reservoir models themselves, such as the
number of active cells, to statistics of the simulation's behavior, such as the
number of iterations of the linear solver. A sampling technique is used to
query the oracle to find the numerical parameters that can reduce the elapsed
time without significantly impacting the quality of the results. Our
experiments show that the predictions can improve the overall HM workflow
runtime on average by 31%.
- Abstract（参考訳）: 石油・ガス産業(O&G)におけるハイパフォーマンスコンピューティング(HPC)の最も要求されるワークロードとして,石油分野の貯留層シミュレーションや地震探査が知られている。
シミュレータの数値パラメータの最適化は、かなりの計算労力を節約できるため、重要な役割を果たす。
最先端の最適化技術は、優れたパラメータ候補を見つけるために、その目的に特有な多数のシミュレーションを実行することに基づいている。
しかし、そのようなアプローチは時間と計算資源の点で非常にコストがかかる。
本研究は,性能モデルを用いた貯留層流れシミュレーションの最適数値パラメータの探索を強化する新しい手法である tunaoil を提案する。
O&G業界では、O&G生産予測に関連する不確実性を低減するために、異なるワークフローでモデルのアンサンブルを使用することが一般的である。
このようなワークフローでこれらのアンサンブルの実行を利用して、各シミュレーションから情報を取り出し、その後の実行で数値パラメータを最適化します。
この手法を検証するために,kalmanフィルタアルゴリズムを用いた履歴マッチング(hm)プロセスを用いて,実フィールドからの観測データに適合する貯留層モデルのアンサンブルを調整する手法を実装した。
数値構成の異なる多くのシミュレーションから過去の実行ログを抽出し、データから抽出した特徴に基づいて機械学習モデルを構築する。
これらの特徴は、リニアソルバの繰り返し数のようなシミュレーションの振る舞いの統計に対する活性細胞数のような貯水池モデル自体の特性を含む。
サンプリングテクニックは、oracleに問い合わせて、結果の品質に大きな影響を与えずに経過時間を削減する数値パラメータを見つけるために使用される。
実験の結果,HMワークフロー全体の実行時間を平均31%改善できることがわかった。
関連論文リスト
- Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge [0.0]
プロセスベース水理モデルと機械学習サロゲートモデルのためのハイブリッドモデリングワークフローを提案する。
ケーススタディでは, このワークフローを, 将来的な管理型帯水層帯水層における飽和地下水流のシミュレーションに応用する。
以上の結果から,MLサロゲートモデルでは,絶対誤差率10%以下で絶対誤差を達成でき,大域保存の順序付けが可能であることが示唆された。
論文 参考訳（メタデータ） (2024-07-30T15:24:27Z) - Neural Operator-Based Proxy for Reservoir Simulations Considering Varying Well Settings, Locations, and Permeability Fields [0.0]
従来の貯水池シミュレータよりも優れた1つのフーリエニューラル演算子(FNO)サロゲートを提案する。
圧力と飽和予測の95%の最大平均相対誤差は5%未満である。
このモデルは、履歴マッチングと貯水池キャラクタリゼーションの手順を、数桁のオーダーで高速化することができる。
論文 参考訳（メタデータ） (2024-07-13T00:26:14Z) - Machine Learning Optimized Approach for Parameter Selection in MESHFREE Simulations [0.0]
従来のメッシュベースのアプローチに代わる魅力的な代替手段として、メッシュフリーシミュレーション手法が登場している。
機械学習(ML)とFraunhoferのMESHFREEソフトウェアを組み合わせた研究の概要について概説する。
本稿では,MESHFREEシミュレーションデータに能動的学習,回帰木を用いたML最適化手法を提案する。
論文 参考訳（メタデータ） (2024-03-20T15:29:59Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳（メタデータ） (2023-04-20T19:15:02Z) - Lamarr: LHCb ultra-fast simulation based on machine learning models deployed within Gauss [0.0]
LHCb実験における検出器応答と再構成アルゴリズムの両方をパラメータ化するシミュレーション生成を高速化するフレームワークであるLamarrについて論じる。
複数のアルゴリズムと戦略を駆使した深部生成モデルを用いて、LHCb検出器の単一成分の高レベル応答を効果的にパラメータ化する。
論文 参考訳（メタデータ） (2023-03-20T20:18:04Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Learning Large-scale Subsurface Simulations with a Hybrid Graph Network
Simulator [57.57321628587564]
本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。
HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。
産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
論文 参考訳（メタデータ） (2022-06-15T17:29:57Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳（メタデータ） (2021-06-05T01:31:51Z) - Scalable nonparametric Bayesian learning for heterogeneous and dynamic
velocity fields [8.744017403796406]
速度場データの不均一および動的パターンを学習するモデルを開発した。
複雑な多車間相互作用のNGSIMデータセットに対して,本手法の有効性を示す。
論文 参考訳（メタデータ） (2021-02-15T17:45:46Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳（メタデータ） (2020-11-17T22:24:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。