Оптимізація модуля інформаційної системи для рішення прямого завдання гравіметрії з використанням генетичного алгоритму

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.253976

Ключові слова:

пряме завдання гравіметрії, генетичний алгоритм, гравіметричний моніторинг, методи глобальної оптимізації

Анотація

У багатьох областях потрібні оптимальні підходи до вирішення багатьох завдань. Одним із таких напрямків є визначення виникнення аномалій сили тяжіння на родовищах нафти та газу. У цій роботі пропонується новий підхід до визначення джерела аномалій сили тяжіння на нафтогазових родовищах шляхом оцінки параметрів сили тяжіння, пов'язаних з тілами простої форми, такими як однорідна сфера, горизонтальна призма та вертикальна сходинка. Підхід реалізований у обчислювальному модулі інформаційної системи ГеоМ для оптимізації розв'язання низки прямих задач гравіметрії з використанням генетичного алгоритму (ГА). Підхід заснований на вирішенні прямого завдання гравіметрії для мінімізації розбіжності варіацій сили тяжіння генетичним алгоритмом. Метод дозволяє вибирати значення одночасно для кількох параметрів досліджуваного середовища. Завдання реалізується шляхом послідовних наближень за заданим початковим наближенням середовища.

У роботі вказано вихідні розрахункові параметри та критерії пошуку оптимальних рішень для моделей геологічного середовища. Розрахунки проводилися для таких моделей середовища, як однорідна сфера, горизонтальна призма та вертикальний уступ. Для розрахунків використовувалися результати гравіметричного моніторингу одному з казахстанських нафтогазових родовищ. У роботі продемонстровано роботу алгоритму та представлено результати моделювання для трьох наявних профілів родовища. Отримані результати системи показали прийнятну точність алгоритму до 10-11. Генетичний алгоритм дозволив значно підвищити надійність моделі та скоротити робочий час на аналіз виміряного гравітаційного поля

Спонсор дослідження

  • This work is a continuation of the project study "Development of a geographic information system for solving the problem of gravimetric monitoring of the state of the subsoil of oil and gas regions of Kazakhstan based on high-performance computing in a limited amount of experimental data" No. AP05135158 (grant funding for scientific projects of the Ministry of Education and Science of the Republic of Kazakhstan for 2018-2020). The authors also express their special gratitude to the Scientific-Productional Centre "Geoken" for providing gravimetric monitoring data, carried out over 7 cycles of observations, for scientific research.

Біографії авторів

Assem Nazirova, Almaty University of Power Engineering and Telecommunications named after Gumarbek Daukeyev; Satbayev University

Master, Doctoral Student

Department of Information Technology Engineering

Department of Software Engineering

Maksat Kalimoldayev, National Academy of Sciences of the Republic of Kazakhstan

Doctor of Physical and Mathematical Sciences, Professor, Vice-President-Chief Scientific Secretary

Institute of Information and Computer Technologies

Farida Abdoldina, Almaty Management University

PhD, Associate Professor, Director

Office of Academic Excellence and Methodology

Юрій Іванович Дубовенко, Национальна Академія Наук України

Кандидат фізико-математичних наук, доцент, старший науковий співробітник

Інститут геофізики НАН України

Посилання

  1. Obornev, E. A., Obornev, I. E., Rodionov, E. A., Shimelevich, M. I. (2020). Application of Neural Networks in Nonlinear Inverse Problems of Geophysics. Computational Mathematics and Mathematical Physics, 60 (6), 1025–1036. doi: https://doi.org/10.1134/s096554252006007x
  2. Abdelrahman, E. M., Sharafeldin, S. M. (1995). A least‐squares minimization approach to depth determination from numerical horizontal gravity gradients. GEOPHYSICS, 60 (4), 1259–1260. doi: https://doi.org/10.1190/1.1443857
  3. Shlyahovskii, V. A. (1984). Izucheniye neftegazoperspektivnyh struktur s pomowiyu dialogovoi sistemy interpretacii gravitacionnyh anomalii. Kyiv.
  4. Holland, J. H. (1975). Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence. The University of Michigan Press, 96.
  5. Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Reading, MA: Addison-Wesley, 412.
  6. Abdoldina, F. N., Nazirova, A. B., Dubovenko, Y. I., Umirova, G. K. (2021). Solution of the gravity exploration direct problem by the simulated annealing method for data interpretation of gravity monitoring of the subsoil conditions. Series of Geology and Technical Sciences, 445 (1), 13–21. doi: https://doi.org/10.32014/2021.2518-170x.2
  7. Tabassum, M. (2014). A genetic algorithm analysis towards optimization solutions. International Journal of Digital Information and Wireless Communications, 4 (1), 124–142. doi: https://doi.org/10.17781/p001091
  8. Hamdia, K. M., Zhuang, X., Rabczuk, T. (2020). An efficient optimization approach for designing machine learning models based on genetic algorithm. Neural Computing and Applications, 33 (6), 1923–1933. doi: https://doi.org/10.1007/s00521-020-05035-x
  9. Abu Taleb, A. (2021). Sink mobility model for wireless sensor networks using genetic algorithm. Journal of Theoretical and Applied Information Technology, 99, 540–551. Available at: http://www.jatit.org/volumes/Vol99No2/24Vol99No2.pdf
  10. Girgis, M. R., Mahmoud, T. M., Abdullatif, B. A., Rabie, A. M. (2014). Solving the Wireless Mesh Network Design Problem using Genetic Algorithm and Simulated Annealing Optimization Methods. International Journal of Computer Applications, 96 (11), 1–10. doi: https://doi.org/10.5120/16835-6680
  11. Butko, T., Prokhorov, V., Chekhunov, D. (2017). Devising a method for the automated calculation of train formation plan by employing genetic algorithms. Eastern-European Journal of Enterprise Technologies, 1 (3 (85)), 55–61. doi: https://doi.org/10.15587/1729-4061.2017.93276
  12. Baghlani, A., Sattari, M., Makiabadi, M. H. (2014). Application of genetic programming in shape optimization of concrete gravity dams by metaheuristics. Cogent Engineering, 1 (1), 982348. doi: https://doi.org/10.1080/23311916.2014.982348
  13. Jabri, A., El Barkany, A., El Khalfi, A. (2017). Multipass Turning Operation Process Optimization Using Hybrid Genetic Simulated Annealing Algorithm. Modelling and Simulation in Engineering, 2017, 1–10. doi: https://doi.org/10.1155/2017/1940635
  14. Asfahani, J., Tlas, M. (2011). Fair Function Minimization for Direct Interpretation of Residual Gravity Anomaly Profiles Due to Spheres and Cylinders. Pure and Applied Geophysics, 169 (1-2), 157–165. doi: https://doi.org/10.1007/s00024-011-0319-x
  15. Blokh, Y. I. (2009). Interpetaciya gravitacionnyh i magnitnykh anomalii. Moscow, 231. Available at: http://sigma3d.com/pdf/books/blokh-interp.pdf
  16. Nazirova, A., Abdoldina, F., Dubovenko, Y., Umirova, G. (2019). Development of GIS subsystems for gravity monitoring data analysis of the subsoil conditions for oil and gas fields. 18th International Conference on Geoinformatics - Theoretical and Applied Aspects. doi: https://doi.org/10.3997/2214-4609.201902099
  17. Nazirova, A., Abdoldina, F., Aymahanov, M., Umirova, G., Muhamedyev, R. (2016). An Automated System for Gravimetric Monitoring of Oil and Gas Deposits. Digital Transformation and Global Society, 585–595. doi: https://doi.org/10.1007/978-3-319-49700-6_58
  18. Hassanat, A., Prasath, V., Abbadi, M., Abu-Qdari, S., Faris, H. (2018). An Improved Genetic Algorithm with a New Initialization Mechanism Based on Regression Techniques. Information, 9 (7), 167. doi: https://doi.org/10.3390/info9070167
  19. Yang, M.-D., Yang, Y.-F., Su, T.-C., Huang, K.-S. (2014). An Efficient Fitness Function in Genetic Algorithm Classifier for Landuse Recognition on Satellite Images. The Scientific World Journal, 2014, 1–12. doi: https://doi.org/10.1155/2014/264512
  20. D’Angelo, G., Palmieri, F. (2021). GGA: A modified genetic algorithm with gradient-based local search for solving constrained optimization problems. Information Sciences, 547, 136–162. doi: https://doi.org/10.1016/j.ins.2020.08.040
  21. Verma, A., Mittal, N. (2014). Congestion Controlled WSN using Genetic Algorithm with different Source and Sink Mobility Scenarios. International Journal of Computer Applications, 101 (13), 8–15. doi: https://doi.org/10.5120/17746-8819
  22. Lambora, A., Gupta, K., Chopra, K. (2019). Genetic Algorithm- A Literature Review. 2019 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (COMITCon). doi: https://doi.org/10.1109/comitcon.2019.8862255
  23. Abdoldina, F. N., Nazirova, A. B., Dubovenko, Y. I., Umirova, G. K., Jamalov, D. K., Sliamhan, K. D. (2020). Geoinformacionnaya Sistema “GеоМ” dlya obrabotki dannyh gravimetricheskogo monitoringa. Svidetel’stvo o vnesenii v gosudarstvennyi reestrprav na ob’ekty, ohranyaemye avtorskim pravom No.13336 ot “19” noyabrya 2020 g.

##submission.downloads##

Опубліковано

2022-04-30

Як цитувати

Nazirova, A., Kalimoldayev, M., Abdoldina, F., & Дубовенко, Ю. І. (2022). Оптимізація модуля інформаційної системи для рішення прямого завдання гравіметрії з використанням генетичного алгоритму . Eastern-European Journal of Enterprise Technologies, 2(9 (116), 21–34. https://doi.org/10.15587/1729-4061.2022.253976

Номер

Том 2 № 9 (116) (2022): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2022 Assem Nazirova, Maksat Kalimoldayev, Farida Abdoldina, Yurii Dubovenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.