Статті

Застосування методів математичного моделювання в управлінні видобутку нафти

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2022

Останнє оновлення: 01 вересня 2022

Опубліковано: 30 листопада -0001

Перегляди: 2800

Authors:

Б.Оразбаєв, orcid.org/0000-0001-5424-0315, Євразійський національний університет імені Л.Н.Гумільова, м. Нур-Султан, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

І. Іса, orcid.org/0000-0002-4849-9408, Євразійський національний університет імені Л.Н.Гумільова, м. Нур-Султан, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

С.Іскакова, orcid.org/0000-0002-6987-4772, Атирауський університет нафти та газу імені С.Утебаєва, м. Атирау, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Л.Курмангазієва, orcid.org/0000-0003-0640-7306, Атирауський університет імені Х.Досмухамедова, м. Атирау, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2022, (4): 112 - 116

https://doi.org/10.33271/nvngu/2022-4/112

Abstract:

Мета. Оцінка ефективності практичного застосування методів математичного моделювання принципів дії систем управління видобутком нафти в нечіткому середовищі та основних аспектів їх застосування безпосередньо у процесі видобутку нафти.

Методика. Основу методологічного підходу становить поєднання методів кількісного та якісного аналізу основних принципів формування математичних моделей для управління процесами нафтовидобутку в нечіткому середовищі.

Результати. Досліджені доступні методики математичного моделювання з метою вибору оптимальних можливостей створення математичних моделей. Сформульована якісна оцінка ефективності практичного застосування методів математичного моделювання принципів дії систем управління видобутком нафти в нечіткому середовищі. Встановлені основні аспекти застосування методів математичного моделювання безпосередньо у процесі видобутку нафти.

Наукова новизна. Пропонується нечіткий підхід до розв’язання задачі багатокритеріальної оптимізації при розробці родовища й видобутку нафти, в якій завдання ставиться й дозволяється в нечіткому середовищі без попереднього перетворення їх до еквівалентних чітких завдань. Це забезпечує правильність і ефективність вирішення за допомогою підвищення адекватності опису завдання в нечіткому середовищі.

Практична значимість. Результати, отримані в ході виконання даного наукового дослідження, а також сформульовані на їх підставі висновки, мають практичне значення для співробітників науково-дослідних інститутів нафтодобувної промисловості, відповідальних за розробку ефективних методик математичного моделювання систем управління процесами нафтовидобутку, а також для працівників нафтодобувних компаній, у чиї професійні обов’язки входить використання згаданих математичних моделей на нафтових родовищах.

Ключові слова: математичні моделі, нафтова промисловість, управління видобутком нафти

References.

1. Gao, Q., & Karimi, H. R. (2019). Stability, control and application of time-delay systems. London: Academic Press. ISBN: 9780128149294.

2. Singh, H., Srivstana, H., & Baleanu, D. (2021). Methods of mathematical modelling. London: Academic Press. ISBN: 9780367776558.

3. Kumar, A., & Ram, M. (2021). The handbook of reliability, maintenance, and system safety through mathematical modeling. Oxford: Elsevier. ISBN: 9780128195826.

4. Jones, J., & Stanley, E. (2016). Stream ecosystems in a changing environment. London: Academic Press. ISBN: 9780124058903.

5. Delavar, M., & Wang, J. (2021). Advanced mathematical modelling of biofilms and its applications. London: Academic Press. ISBN: 0323903746.

6. Davim, J. P. (2017). Computational methods and production engineering. Oxford: Woodhead Publishing. ISBN: 9780857094827.

7. Sayyaadi, H. (2020). Modeling, assessment, and optimization of energy systems. London: Academic Press. ISBN: 9780128166574.

8. Radwan, A., Khanday, F., & Said, L. (2021). Fractional-order modeling of dynamic systems with applications in optimization, signal processing, and control. Oxford: Elsevier. ISBN: 9780323902038.

9. Azar, A. T., Radwan, A., & Vaidyanathan, S. (2018). Mathematical techniques of fractional order systems. Oxford: Elsevier. ISBN: 9780128135938.

10. Chen, Y., Ran, Y., Wang, Z., Li, X., Yang, X., & Zhang, G. (2020). An extended multimoora method based on owga operator and choquet integral for risk prioritization identification of failure modes. Engineering Applications of Artificial Intelligence, 91, article number 103605. https://doi.org/10.1016/j.engappai.2020.103605.

11. Almeida, C. G., Bertone, A. M. A., & Jafelice, R. M. (2018). Fuzzification of the miscible displacement model in heterogeneous porous media. Journal of Mathematical Analysis and Applications, 463(1), 242-267. https://doi.org/10.1016/j.jmaa.2018.03.015.

12. Liao, H., & Deng, Q. (2018). EES-EOQ model with uncertain acquisition quantity and market demand in dedicated or combined remanufacturing systems. Applied Mathematical Modelling, 64, 135-167. https://doi.org/10.1016/j.apm.2018.07.026.

13. Liu, H-C., You, J-X., Li, Z.W., & Tian, G. (2017). Fuzzy Petri Nets for knowledge representation and reasoning: a literature review. Engineering Applications of Artificial Intelligence, 60, 45-56. https://doi.org/10.1016/j.engappai.2017.01.012.

14. Doan, L. T. T., Amer, Y., Lee, S-H., Phuc, P. N. K., & Dat, L. Q. (2019). A comprehensive reverse supply chain model using an interactive fuzzy approach – a case study on the vietnamese electronics industry. Applied Mathematical Modelling, 76, 87-108. https://doi.org/10.1016/j.apm.2019.06.003.

15. Duan, C., Li, Y., Pu, H., & Luo, J. (2021). Multi-attribute Bayesian fault prediction for hidden-state systems under condition monitoring. Applied Mathematical Modelling, 103, 388-408. https://doi.org/10.1016/j.apm.2021.10.015.

16. Mikuckas, A., Ciuras, D., Prasauskas, T., Mikuckiene, I., Lukas, R., Kazanavicius, E., Jurelionis, A., & Martuzevicius, D. (2017). A grey model approach to indoor air quality management in rooms based on real-time sensing of particles and volatile organic compounds. Applied Mathematical Modelling, 42, 290-299. https://doi.org/10.1016/j.apm.2016.10.030.

17. Mittal, K., Jain, A., Vaisla, K. S., Castillo, O., & Kacprzyk, J. (2020). A comprehensive review on type 2 fuzzy logic applications: past, present and future. Engineering Applications of Artificial Intelligence, 95, article number 103916. https://doi.org/10.1016/j.engappai.2020.103916.

18. Lu, T., & Liu, S-T. (2018). Fuzzy nonlinear programming approach to the evaluation of manufacturing processes. Engineering Applications of Artificial Intelligence, 72, 183-189. https://doi.org/10.1016/j.engappai.2018.04.003.

• < Попередня
• Наступна >