Адаптивная идентификация жизненного цикла систем методом интегрированных феноменологических моделей с переменными параметрами

Abstract

Актуальность работы обусловлена необходимостью повышения информативности методов идентификации и прогнозирования эволюционных процессов жизненного цикла систем на основе феноменологических моделей в условиях неопределенности при ограниченных объемах исходных данных. Цель исследования: разработка моделей и алгоритмов адаптивной идентификации жизненного цикла систем на основе феноменологических моделей с переменными параметрами, с учетом дополнительной априорной информации. Методы исследования. Использованы теоретические и практические разработки в области системного анализа, моделирования и идентификации систем с учетом дополнительной априорной информации, методов оптимизации функций и линейной алгебры. Решение задач проводилось теоретически и на основе промысловых данных и экспертных оценок показателей объектов разработки газовых месторождений России. Результаты. Разработаны модели и алгоритмы адаптивной идентификации эволюционных процессов жизненного цикла на основе нелинейных интегрированных систем феноменологических моделей с переменными параметрами с учетом дополнительной априорной информации и экспертных оценок. Для решения задачи идентификации использован метод локальной аппроксимации функций. Процесс адаптации феноменологических моделей жизненного цикла систем представлен в виде решения двух оптимизационных задач по определению параметров феноменологических моделей и управляющих параметров. Предложенный метод адаптации с учетом априорной информации позволяет синтезировать достаточно широкий спектр известных и новых алгоритмов адаптивной идентификации линейных и нелинейных феноменологических моделей жизненного цикла систем в условиях априорной неопределенности при малом объеме исходных данных. Показано, что в условиях неопределенности при ограниченном объеме промысловых данных разработанные феноменологические модели с переменными параметрами, алгоритмы идентификации, оценки прогноза годовой добычи газа и извлекаемых запасов газовых месторождений более точны и устойчивы по сравнению с феноменологическими моделями с постоянными параметрами и полученными на их основе алгоритмами идентификации и прогноза.

The relevance of the discussed issue is caused by the need to increase information content of identification methods and predicting evolutionary processes of the system lifecycle based on phenomenological models under uncertainty with limited amounts of initial data. The main aim of the study is to develop the models and algorithms for adaptive identification in evolutionary processes of the system lifecycle based on phenomenological models with variable parameters and with a priori information. The methods used in the study are theoretical and practical developments in system analysis, system modeling, and identification with additional prior information, optimization methods of functions and linear algebra. The problem was solved theoretically based on the filed data and expert estimates of performance indicators of gas fields exploitation objects in Russia. The results. The authors have proposed to develop the models and algorithms for adaptive identification in evolutionary processes of the system lifecycle based on non-linear integrated systems of phenomenological models with variable parameters, additional a prior information and expert estimates. To solve the identification problems the authors used the local approximation function method. Adaptive process of phenomenological models of the system lifecycle is introduced in the form of two optimization problems solutions by determining phenomenological models parameters and control parameters. The proposed adaptive method, taking into account a priori information, allows synthesizing a wide range of the known and new algorithms for adaptive identification of linear and nonlinear phenomenological models of system lifecycle in the condition of a priori uncertainty with small amount of input data. It is shown that under uncertainty with limited field data the development of phenomenological models with variable parameters, identification algorithms, prediction of annual gas production and recoverable reserves of gas fields are more accurate and stable in comparison with phenomenological models with constant parameters measured on the basis of their identification algorithms and prediction.