Projeto Orientado de Computa c ao I Primeiro Relat orio

Iago Augusto 102050001 iago.august@gmail.com

Universidade Federal de S ao Jo ao Del Rei - DCOMP/UFSJ

Professor Orientador: Carolina Ribeiro Xavier

Tema: Otimiza c ao de par ametros em Problema Inverso

Introdu c ao

A Engenharia de Reservat orios se preocupa com a retirada dos uidos do interior das rochas, de modo que eles possam ser conduzidos at e a superf cie, com o objetivo de ma fundamental o ximizar a produ c ao de hidrocarbonetos com o menor custo poss vel. E conhecimento das propriedades b asicas da rocha e dos u dos contidos nela. Em pequena escala, as propriedades de uma rocha podem ser obtidas atrav es de experimentos laboratoriais. Por em, os reservat orios apresentam grandes extens oes, tornando imposs vel a obten c ao de suas propriedades globalmente. O estudo por amostragem tamb em e invi avel devido ` a grande heterogeneidade de caracter sticas ao longo de um reservat orio. Atualmente, a simula c ao de reservat orios e uma das mais poderosas t ecnicas dispon veis para a Engenharia de Reservat orios. Este simulador tem como objetivo reproduzir insilico o reservat orio e as leis f sicas que atuam sobre o mesmo, possibilitando a avalia c ao de diferentes t ecnicas de recupera c ao de petr oleo a um baixo custo. Com o objetivo de reproduzir corretamente o reservat orio in-silico, e necess ario que suas propriedades f sicas sejam conhecidas. Em um reservat orio j a em opera c ao h a alguns anos, informa c oes sobre a press ao e o uxo nos po cos s ao conhecidas. Um dos processos mais conhecidos na area de Engenharia de Reservat orios que auxilia na estimativa destas propriedades e o ajuste de hist orico, que tem como objetivo calibrar os modelos num ericos do reservat orio, a m de que os resultados simulados sejam coerentes com os dados hist oricos de produ c ao existentes, visando obter uma previs ao de produ c ao com uma alta conabilidade. Par ametros como a porosidade e a permeabilidade do reservat orio podem ser determinados a partir do ajuste de hist orico.

Metodologia

Tomando como base um simulador de reservat orios bif asico ( agua/petr oleo) e bidimensional denominado Implicit-Pressure-Explicit-Saturation (IMPES) [1], ser a realizada uma compara c ao de m etodos de otimiza c ao para a solu c ao de um problema de ajuste de

hist orico que visa a determina c ao do mapa de permeabilidades do reservat orio. Objetivando determinar o campo de permeabilidade do reservat orio, com base no conhecimento da produ c ao de oleo, ser ao constru dos e comparados dois algoritmos de busca e otimiza c ao: um algoritmo gen etico [2] e um algoritmo de evolu c ao diferencial [3]. 2.1 Algoritmo Gen etico

Algoritmo gen etico e um m etodo de otimiza c ao inspirado nos mecanismos da evolu c ao de popula c oes de seres vivos. A t ecnica de busca e otimiza c ao consiste em encontrara solu c ao que corresponda ao m aximo ou m nimo global da fun c ao objetivo atrav es da avalia c ao de gera c oes de indiv duos. Uma popula c ao inicial e gerada com um conjunto rand omico de cromossomos. Cada um destes cromossomos ou indiv duos representam uma poss vel solu c ao para a fun c ao objetivo. Cada um destes cromossomos e avaliado atrav es de uma fun c ao aptid ao e recebe uma pontua c ao, que reete o quanto aquele indiv duo se aproxima da fun c ao objetivo. Os cromossomos com melhores pontua c oes tem a possibilidade de se reproduzir mediante cruzamento com outros cromossomos da mesma popula c ao, dando origem a uma nova gera c ao de cromossomos, que contam com caracter sticas de ambas as partes. 2.2 Evolu c ao Diferencial

O algoritmo de Evolu c ao Diferencial, assim como o Algoritmo gen etico, se inspira em princ pios da teoria da evolu c ao e sele c ao natural como estrat egia de busca e otimiza c ao, sempre tentando encontrar o m aximo ou m nimo global da fun c ao objetivo. Tem como estrat egia b asica a diferencia c ao de dois vetores de par ametros selecionados aleatoriamente como fonte de varia c oes aleat orias por um terceiro vetor de par ametros. Partindo de uma popula c ao inicial gerada por valores rand omicos, indiv duos desta popula c ao sofrem o processo de diferencia c ao, realizando uma adi c ao da diferen ca ponderada entre dois vetores de par ametros a um terceiro indiv duo. Assim como no Algoritmo gen etico, cada um destes indiv duos e avaliado e recebe uma pontua c ao chamada tness. Caso o indiv duo gerado possua um tness melhor que seus geradores, ent ao ele e perpetuado em uma nova gera c ao, caso contr ario, este novo indiv duo e ent ao descartado. 2.3 Ambiente de execu c ao

Tanto o simulador do reservat orio quanto os algoritmos de otimiza c ao propostos tem um elevado custo computacional, portanto ser a adotada uma estrat egia paralela para a implementa c ao destes algoritmos. Atualmente existem v arias tecnologias e arquiteturas que possibilitam a constru c ao de algoritmos paralelos de alto desempenho, como clusters, FPGAs, processadores multicores e GPUs. O simulador utilizado utiliza processadores multicores como estrat egia de paralelismo junto ` a biblioteca Open MPI [4], que implementa o MPI. Para a resolu c ao das equa co es matem aticas do modelo, foi utilizada a biblioteca Portable, Extensible Toolkit for Scientic Computation (PETSc) [5]. O Algoritmo gen etico e o algoritmo de Evolu c ao Diferencial ser ao implementados de duas maneiras diferentes: utilizando um cluster de computadores multicores e utilizando o paralelismo em GPU.

2.4

Testes

Para cada m etodo de otimiza c ao proposto, ser ao executados testes variando alguns par ametros de entrada, como o erro m nimo esperado, o fator de crescimento e n umero de indiv duos na gera c ao, a m de encontrar qual conjunto de fatores iniciais gera um melhor resultado nal nos algoritmos. A melhor combina c ao de fatores ser a ent ao obtida e v arias repeti c oes do mesmo teste ser ao executadas, a m de obter uma solu c ao ideal para o problema.

Resultados esperados

Ao m deste trabalho e esperada uma compara c ao consistente entre os dois m etodos de otimiza c ao propostos aplicados ao problema de ajuste de hist orico, mais precisamente ao problema de ajuste de hist orico do modelo IMPES, avaliando suas capacidades de converg encia e custo computacional de execu c ao.

Refer encias

1. XAVIER, C. R., Compara c ao de m etodos de otimiza c ao para o problema de ajuste de hist orico em ambientes paralelos. 2009. 99 f. Disserta c ao (Mestrado em Modelagem Computacional) Programa de P os-Gradua c ao em Modelagem Computacional, Universidade Federal de Juiz de Fora, Juiz de Fora. 2. KOZA, JOHN R., Genetic Programming: On the Programming of Computers by Means of Natural Selection. 6 edi c ao. MIT Press, 1998 3. STORN R, PRICE, K., Diferential evolution - a simple and ecient adaptive scheme for global optimization over continuous spaces. Relat orio t ecnico TR-95-012. Berkeley, 1995 4. OPEN MPI: Open Source High Performance Computing. Dispon vel em: http://www.openmpi.org. Acesso em: 08 de Junho 2013. 5. BALAY, S., BUSCHELMAN, K., EIJKHOUT, V., et al., PETSc Users Manual, Relat orio t ecnico ANL-95/11 - Revision 3.4, Argonne National Laboratory, 2013.