BASIC RESERVOIR HISTORY MATCHING BY REINFORCEMENT LEARNING FUNDAMENTALS

BASIC RESERVOIR HISTORY MATCHING BY REINFORCEMENT LEARNING FUNDAMENTALS. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
Thesis_RL_final_3_eprint.pdf
Restricted to Repository staff only until 24 December 2020.

Download (4MB)

Arabic Abstract

مطابقة الماضي هي الخطوة الأساسية في أي مشروع محاكاة للمكامن، للتمكن من الحصول على نتائج مستقبلية صحيحة من نماذج المحاكاة. هنالك العديد من الطرق الآلية لمطابقة الماضي التي تم تطويرها سابقا بسبب مساوئ مطابقة الماضي اليدوية، ولكن هذة الطرق الآلية لها مميزات وعيوب بناء على خصائص مسألة مطابقة الماضي . التعليم المعزز يحتوي عل ى مجموعة من الطرق التي تتعلم عن طريق التفاعل مع بيئتها مثل الفرق الزمني الذي هو من أساسيات هذا التعليم. هناك العديد من المجالات التي شهدت نجاح تطبيق طرق التعليم المعزز مثل علوم الحاسب وهندسة المترول، فمثلا في هندسة البترول تم تطبيق هذه الطرق بنجاح في إدارة المكامن عن طريق الوصول للضخ الأمثل للماء والبخار في المكامن. هذه الدراسة تهدف الي استخدام بعض مبادئ التعليم المعزز في مسألة بسيطة لمطابقة الماضي لتقييم امكانية استخدامها مستقبلا كطريقة مطابقة ماضي آلية، ولذلك تم تطبيق إحدى الطرق المستخدمة في مطابقة الماضي وهي مجموعة مرشح كالمان للمقارنة بينهم. تشير نتائج هذه الدراسة الي تمكن جميع طرق التعليم المعزز المستخدمة من مطابقة الماضي ولكنها تعاني من بطء شديد مقارنة بمجموعة مرشح كالمان

English Abstract

History Matching (HM) is the main step in any reservoir simulation study to get reliable predictions from simulation models. Due to the disadvantages of manual HM, several automatic HM (AHM) methods were introduced in the past. However, each one has its own advantages and limitations depending on the properties of the HM problem. Reinforcement learning (RL) is a family of methods that learns by interacting with the environment to select the best action at a particular situation. Tabular temporal difference (TD) methods are considered as RL basics, and include Q-learning, SARSA, expected SARSA and double Q-learning. RL was successfully applied in various fields such as computer science. In petroleum engineering, it was implemented to improve reservoir management by optimizing water flooding operation and steam injection. This study aims to introduce RL as an AHM method by applying some basic RL methods to solve a simple HM problem and to evaluate the potential of RL for HM. Additionally, the results of the Ensemble Kalman Filter (EnKF) are presented to compare the performance of tabular TD methods to one of the available AHM method in the literature. The results show that all the applied tabular temporal difference methods can solve the studied HM problem. Although they are inefficient compared to the EnKF, they achieved comparable results to those of the EnKF in matching the observations and the true models.

Item Type: Thesis (Masters)
Subjects: Computer
Research > Petroleum
Petroleum > Reservoir Engineering and Management
Petroleum > Reservoir Modelling and Simulation
Divisions: College Of Engineering Sciences > Petroleum Engineering Dept
Committee Advisor: Liao, Qinzhuo
Committee Members: Awotunde, Abeeb and Abdulraheem, Abdulazeez
Depositing User: KHALID ALSAMADONY (g201265840)
Date Deposited: 26 Dec 2019 10:22
Last Modified: 26 Dec 2019 10:22
URI: http://eprints.kfupm.edu.sa/id/eprint/141371