ارزیابی عملکرد الگوریتمهای شبیهسازی چند نقطهای با استفاده از معیارهای کمی و مطالعه موردی
General Material Designation
[پایاننامه]
Parallel Title Proper
Performance evaluation of Multiple Point Simulation algorithms using quantitative measures and case studies
First Statement of Responsibility
/احسان الله بنی نجار
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی معدن
Date of Publication, Distribution, etc.
، ۱۳۹۸
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۳۷ص.
Other Physical Details
:
GENERAL NOTES
Text of Note
زبان: فارسی
Text of Note
زبان چکیده: فارسی
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
NOTES PERTAINING TO PHYSICAL DESCRIPTION
Text of Note
مصور، جدول، نمودار
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری
Discipline of degree
مهندسی معدن- اکتشاف
Date of degree
۱۳۹۸/۱۱/۰۱
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
زمینآمار چند نقطهای به دلیل توانایی در تولید تحققهای تصادفی واقع بینانه از فرآیندهای طبیعی پیچیده، به طور گسترده در علوم زمین و محیط زیست مورد استفاده قرار گرفته است .در این روشها الگوهای مکانی و اطلاعات آماری مورد نیاز برای مدل سازی زمینآماری، از تصویر آموزشی استخراج میشود .علاوه بر این، هر الگوریتم زمینآماری چند نقطهای دارای مجموعهای از پارامترهای ورودی است که تأثیر مستقیمی بر کیفیت بازتولید الگوها دارد و باید قبل از مدل سازی توسط کاربر انتخاب شوند .تا به امروز، روش معمول برای یافتن پارامترهای بهینه انجام آنالیز حساسیت بوده است، که انجام آن میتواند به خصوص در بعضی کاربردها بسیار وقت گیر و دشوار باشد .در این پژوهش، بهینه ساز خودکار پارامترهای زمینآماری چند نقطهایAPO) - (MPSارائه شده است، که یک روش عمومی مبتنی بر بهینه سازی تصادفی بوده و میتواند به سرعت پارامترهای بهینه را برای هر روش زمین-آماری چند نقطهای در حالات و شرایط مختلف ارائه دهد .با استاندارد سازی فرایند انتخاب پارامتر برای هر الگوریتم شبیهسازی، روش پیشنهادیAPO - MPSراه را برای مقایسه عینی روشهای زمینآماری چند نقطهای در شرایط بهینه هموار میکند .در واقع مقایسه منصفانه و کمی الگوریتمهای زمینآماری چند نقطهای، زمانی که پارامترها توسط کاربر تعیین میشوند میتواند بسیار مشکل باشد .در نتیجه، استفاده از پارامترهای غیربهینه ممکن است منجر به مقایسه مغرضانه شود، که میتوان با استفاده از روش ارائه شده از آن پیشگیری کرد .در این روش بهینه سازی در دو مرحله انجام میشود .در گام اول بهینه سازی پارامترها با هدف باز تولید الگوها با بهترین کیفیت ممکن و بدون در نظر گرفتن زمان محاسبات انجام میپذیرد .در مرحله دوم،APO - MPSتابع هدف را نسبت به زمان محاسبات بهینه میکند بدون اینکه بازتولید الگوها و ساختارهای فضایی مرحله اول به طور محسوسی کاهش یابد .در این پژوهش، روشAPO - MPSبر روی روشهای مختلف زمینآمار چند نقطهای مانند اسنسیم، فیلترسیم، نمونه برداری مستقیم و دوخت تصویر پیاده سازی شده است .تستهای انجام گرفته نشان میدهد کهAPO - MPSیک روش مفید برای به دست آوردن تقریبی پارامترهای بهینه برای بازتولید با کیفیت مناسب الگوها با حداقل زمان محاسباتی است .در نهایت به عنوان مطالعه موردی مخزن نفتی سروش با استفاده از شبیهسازی زمینآماری چند نقطهای شبیهسازی شده است .
Text of Note
Multiple Point statistics (MPS) have been used in recent years as a practical geostatistical modeling technique for generating stochastic realizations of complex natural processes. MPS methods use a training image (TI) to represent the spatial patterns to be modeled. Beside training images that are representative of the target environment, a set of algorithmic parameters that are specific to each MPS algorithm should also be chosen. Selecting training images can be guided by expert knowledge (e.g. for geological modeling) or by data acquisition methods (e.g. remote sensing). However determining the algorithmic parameters can be more challenging. Although specific guidelines are available to parameterize some MPS methods, the common practice is to perform an extensive sensitivity analyses. Carrying out these sensitivity analyses can be very inconvenient, especially in complex cases when multivariate training images are used. Therefore, we propose an automatic parameter optimizer (MPS-APO) which is a generic method to rapidly determine acceptable parameters in different settings and for any MPS method. MPS-APO is based on a stochastic optimization method which optimizes simulation parameters by quantifying the reproduction of spatial patterns. The Simultaneous Perturbation Stochastic Approximation (SPSA) is chosen as an optimization method to cope with the stochastic nature of the objective function and for its computational efficiency. At each iteration, some random gaps are placed in the input TI. These gaps are then simulated using the chosen MPS method, with the remainder of the input image as TI. Reproduction of patterns is quantified by calculating mean square error between the simulated and original values in the random gap. The MPS-APO is performed as a 2-step optimization. The first step aims at obtaining a set of parameters with a best reproduction of patterns regardless of CPU time. When no significant improvement can be brought in the parameters, the second optimization step starts, which aims at minimizing the CPU cost without degrading the spatial structures reproduction attained at step 1. In this study MPS-APO is performed on 4 different classes of geostatistical methods: SNESIM, FILTERSIM, Direct Sampling and Image Quilting. These methods are compared in different test cases with automatically determined optimal parameters. This study shows that MPS-APO is a useful heuristic to automatically determine optimal parameters that offer good patterns reproduction with minimal computational cost. MPS-APO can also increase the usability of multiple-point statistics for practical applications.
ba
PARALLEL TITLE PROPER
Parallel Title
Performance evaluation of Multiple Point Simulation algorithms using quantitative measures and case studies