|
технологическими процессами, моделирование движения геологических сред, нелинейные эффекты фильтрации, идентификация модели фундамента и др. Большое внимание в работах этой школы уделено процессам самоорганизации в системах безопасности зданий. С этой точки зрения рассмотрено возникновения стохастических автоколебаний нагрузок в несущих нафузках При разработке и оценке достоверности моделей практически всегда возникают проблемы, связанные с дискретностью измерений, их точностью и шумовым фактором. Поэтому встает вопрос о решении обратных задач, т,е. задач определения неизвестных причин при заданных следствиях. Решение обратных задач позволяет путем анализа экспериментальной информации выбрать адекватную модель, оценить ее параметры, определить недостающие начальные и граничные условия, т.е. порождающие процесс причины и принять решение. Методы решения обратных задач также рассмотрены в работах упомянутых авторов [71J. Многие обратные задачи, связанные с интерпретацией косвенных наблюдений, оказываются некорректными. Некорректность задачи означает в данном случае неустойчивость решения обратной задачи относительно экспериментальных пофешностсй: даже малые ошибки в измерениях могут приводить к недопустимо большим ошибкам в решении. В условиях неустойчивости большое значение имеет выбор оптимальной сложности математической модели. Излишнее усложнение модели может приводить к неустойчивым алгоритмам идентификации и, как правило, лишает модели предсказательной силы [71]. Одним из решений этой проблемы может служить метод минимизации среднего риска [2,22]. Однако, как показывает практика, эффективность данного метода достижима лишь при достаточно больших по объему выборках экспериментальных данных, что далеко не всегда может быть обеспечено в современных условиях. ни |
общей близости признаков [21]. Эти методы использованы авторами [62] для определения межремонтного периода нефтяных скважин, а применение метода распознавания образов к задачам нефтяной отрасли показано в работе [118]. В последнее время все более широкое применение в диагностике технического состояния сложных систем находят методы теории динамического хаоса, разрабатываемые И.Р. Байковым с сотрудниками [9, 10, 92]. Проявления в нефтедобыче процессов, характерных для систем со свойствами самоорганизации весьма многообразно [6, 70, 71], но их использование в диагностических системах стало возможным после внедрения в производство автоматизированных измерительных комплексов, позволяющих накапливать и обрабатывать большие объемы информации. Наиболее существенный вклад в разработку математических моделей нефтедобычи внесла школа академика А.Х. Мирзаджанзаде [68, 69, 70, 71]. В работах этих авторов рассмотрены теоретические аспекты применения фрактальных характеристик систем нефтедобычи для контроля и управления технологическими процессами, моделирование движения реологических сред, нелинейные эффекты фильтрации, идентификация модели упругого пласта и др. Большое внимание в работах этой школы уделено процессам самоорганизации в системах нефтедобычи [16, 71, 110]. С этой точки зрения рассмотрено возникновения стохастических автоколебаний нагрузок в штангах ШГН, колебания в процессах фильтрации нефти с зародышами газа, расхода нелинейно-вязких жидкостей и другие явления, характерные для неравновесных или сильно нелинейных систем. При разработке и оценке достоверности моделей процессов нефтедобычи практически всегда возникают проблемы, связанные с дискретностью измерений, их точностью и шумовым фактором. Поэтому встает вопрос о решении обратных задач [101, 102], т.е. задач определения неизвестных причин при заданных следствиях. Решение обратных задач позволяет путем анализа экспериментальной информации выбрать адекватную модель, оценить ее параметры и 41 РОССИЙСКАЯ / 42 определить недостающие начальные и граничные условия, т.е. порождающие процесс причины. Методы решения обратных задач нефтепромысловых систем также рассмотрены в работах упомянутых авторов [71]. Многие обратные задачи, связанные с интерпретацией косвенных наблюдений, оказываются некорректными. Некорректность задачи означает в данном случае неустойчивость решения обратной задачи относительно экспериментальных погрешностей: даже малые ошибки в измерениях могут приводить к недопустимо большим ошибкам в решении. В условиях неустойчивости большое значение имеет выбор оптимальной сложности математической модели. Излишнее усложнение модели может приводить к неустойчивым алгоритмам идентификации и, как правило, лишает модели предсказательной силы [71]. Одним из решений этой проблемы может служить метод минимизации среднего риска [2, 22]. Однако, как показывает практика, эффективность данного метода достижима лишь при достаточно больших по объему выборках экспериментальных данных, что далеко не всегда может быть обеспечено в условиях нефтедобывающих предприятий. В работе [71] предложен другой путь решения подобных задач метод использования так называемых “нечетких” множеств, впервые введенных в работе Л. Заде [43]. Приведенные в [71] примеры использования этого метода показывают, что методы теории нечетких множеств дают наиболее адекватное определение степени оптимальной сложности математической модели в условиях малых выборок экспериментальных данных. Повышение уровня эксплуатационной безопасности и надежности технических систем вообще и нефтедобывающих комплексов, в частности, подразумевает проведение и других оптимизационных мероприятий, например, оптимизацию графиков планово-предупредительных ремонтов или территориального размещения объектов. Например, оптимизация размещения ремонтных служб позволяет сократить время прибытия ремонтной бригады на аварийный |