Application of Auto-Adaptive Evolutionary Algorithms to the History Matching Problem 1. Claus Aranha (筑波大学) . .. 3. 田邊遼司 (東京大学) 2. Romain Chassagne (Heriot-Watt University) . 1. 目的: 高精度の油層シミュレータの実現 .. 6. まとめ ▶ 油層シミュレータ/History Matching に様々な手法を適用油層工学: 石油生産の効率化 ▶ ▶ ▶ ▶ どこをどう掘れば産出量を増やせるか? ▶ 億単位の膨大な利益油層シミュレータ ▶ 一般的に, シミュレーション結果を参考に採掘地域を決定 ▶ 高精度の油層シミュレータが必要適応 DE (jDE, SHADE), チューニングをした DE, PSO ▶ 古典的な DE, PSO を用いた場合よりも, 良い解が得られた ▶ パラメタチューニングは有用であった ▶ 今後の課題: Surrogate model の使用など . . .. 4. チューナーによるパラメタチューニング目的: 最大評価回数 500 に適した, 手法のパラメタ設定が欲しい ▶ 油層シミュレータの精度は内部パラメタの設定に依存 ▶ 最適な内部パラメタが必要 . . 2. シミュレータの内部パラメタの最適化 = History Matching Problem . . Good simulated data Bad simulated data Observed data 2000 1500 Good simulated data Bad simulated data Observed data 2000 ▶ ▶ 1500 1000 最大評価回数: 500 0 200 400 600 800 1000 1200 ▶ SMAC の最大評価回数: 3, 000 ▶ SMAC の試行回数: 5 回 1000 Water simulation 200 400 600 Days 800 1000 1200 N √ 1 ∑ i )2 + (Gi − Gi )2 + (W i − W i )2 f itness(x) = (OSi − OO S O S O N i=1 Water production rate 2500 0 30 問 (10 次元) ▶ Days 500 Parameters Type Range 集団数 Integer [2, 50] inertia weight w Real [0, 1] coeﬃcient c1 Real [0, 4] coeﬃcient c2 Real [0, 4] 500 0 0 Good simulated data Bad simulated data Observed data 2000 1500 .. 500 0 0 200 400 600 800 1000 5. 実験結果チューニングした方が良い 1200 Days 入力: 1. 過去数年において, 実際に観測された油層データ (⋆) 2. シミュレータの内部パラメタ (上記 1 の表参照) ▶ 出力: 1. Oil, Gas, Water の全ての観測データにマッチするシミュレーション結果を出力するような, 内部パラメタ 115 Default settings Tuned settings 110 105 100 考慮すべき点: シミュレーションにかかる時間 ▶ ▶ . . 1 つの解を評価するのに, 10 分 ∼ 60 分程度かかる Benchmark 関数のように数万回もの評価は困難 .. 3. 本研究: 様々な進化アルゴリズムを適用 . . 油層シミュレータ/History Matching Problem に進化アルゴリズムを適用した事例は既にある [Hajizadeh 09] ▶ 本研究の独自性 & 貢献点 1. より良い解を得るために, 適応 DE を使用 ▶ jDE [Brest 06], SHADE [Tanabe 13] 2. パラメタチューニングをした DE, PSO を使用 3. チューニングが実問題で役に立つかどうかの実証研究 ▶ . PSO 90 .. . ▶ 3.5 年分のメキシコ湾の Teal South 油田の油層データ ▶ R ECLIPSE100⃝simulator ▶ 最大評価回数 500 ▶ 試行回数 20 まとめ: 従来手法よりも良い結果が得られた 95 ▶ Tuned 10 0.4622 0.6269 2.5157 vi,j = w · vi,j + c1 · randi,j · (xpbest − xi,j ) i,j . . 1000 Default 25 0.729 1.494 1.494 + c2 · randi,j · (xgbest − xi,j ) i,j Misfit values ▶ Gas production rate Oil simulation 2500 Oil production rate 2500 PSO のパラメタ (Inertia weight/gbest) チューナー: SMAC [Hutter 09] 訓練問題集: CEC2014 benchmarks ▶ Gas simulation DE jDE SHADE 付録. Fitness Distance Correlation ▶ 実問題の地形解析研究は少ない ▶ 全手法で生成した解群をプロット Ellipsoidal 関数に似ている?