조사영향 다중 집단 지능 및 교수-학습 기반 최적화를 통한 조밀한 형성에서의 수압 파쇄 매개변수 설계

초록 수압 파쇄는 조밀한 탄화수소 저장소 개발에 널리 적용되는 혁신적인 기술 중 하나입니다. 더욱이, 수압 파쇄 설계 최적화는 조밀한 저장소의 생산을 최적화하기 위한 필수 단계입니다. 본 연구에서는 수압 파쇄 최적화를 위한 세 가지 새로운 조사영향 알고리즘의 구현을 제시합니다. 이 연구는 최적화된 파쇄를 달성하기 위해 저수지 시뮬레이션, 인공 신경망, 그리고 이전의 최적화 알고리즘을 통합합니다. 이 연구를 위해, 정의된 파쇄 반지름, 파쇄 높이, 파쇄 너비, 파쇄 전도도 및 파쇄 개수 값 집합에 대해 조밀 가스 생산 데이터 세트를 처음 숫자로 생성합니다. 둘째, 생성된 데이터 세트는 신경망을 통해 훈련되어 가스 생산에 대한 이전 매개변수의 영향을 예측합니다. 마지막으로, 집단 지능(CI), 다중 집단 지능(multi-CI), 교수-학습 기반 최적화(TLBO) 등 세 가지 새로운 조사영향 알고리즘이 회귀 출력에 적용되어 최적의 파쇄 설계 매개변수와 함께 최적화된 가스 생산 성능을 얻습니다. 결과는 전통적으로 사용되는 최적화 알고리즘인 입자 군집 최적화(PSO) 및 유전자 알고리즘(GA)과 비교됩니다. 결과는 multi-CI 및 TLBO가 CI, PSO 및 GA에 비해 최소 95%의 성공률로 더 자주 전역 최적 위치에 수렴함을 보여주었습니다. 더욱이, CI, PSO 및 GA는 많은 경우 지역 최대에 갇히는 것으로 나타났습니다. 이는 multi-CI 및 TLBO가 비교적 최적의 파쇄 설계 매개변수를 결정하는 데 있어 높은 성능을 보이는 PSO 및 GA에 대한 훌륭한 대안임을 결론짓습니다.