سایت شخصی صادق سلمانی

ولتست، یادگیری ماشین، پایتون، فرازآوری مصنوعی

سایت شخصی صادق سلمانی

ولتست، یادگیری ماشین، پایتون، فرازآوری مصنوعی

سایت شخصی صادق سلمانی

مطالبی که در این سایت نوشته می‌شود به منزله تخصص من در آن‌ها نمی‌باشد، بلکه صرفاً آغازی است در مسیری طولانی برای یادگیری بهتر و عمیق‌تر.

آخرین نظرات
  • ۱۶ خرداد ۹۸، ۰۰:۲۳ - محمد
    عالی
  • ۱۴ آذر ۹۷، ۱۸:۰۶ - خ
    عالی
  • ۸ آذر ۹۷، ۲۰:۰۷ - محمد علی
    احسنت

۳ مطلب با کلمه‌ی کلیدی «مدلسازی دینامیکی» ثبت شده است


اولین مرحله در مطالعه یک فرایند با شبیه‌سازی کامپیوتری، توسعه یک مدل برای سیستم واقعی است.

هنگام مطالعه حرکت یک شیء کوچک که تحت تأثیر نیروی گرانش زمین قرار دارد، ما ممکن است که بتوانیم نیروی اصطکاک هوا را نادیده بگیریم. در این حالت، مدل ما یک تقریبی از سیستم واقعی خواهد بود. معمولاً این مدل این اجازه را به ما خواهد داد تا رفتار سیستم (به فرم تقریبی) را از طریق معادلات ریاضی بیان کنیم، که اغلب شامل معادلات دیفرانسیل معمولی (ODE) یا معادلات دیفرانسیل با مشتقات جزئی (PDE) هستند.

در علوم طبیعی مانند فیزیک، شیمی و مهندسی، اغلب سخت نیست که یک مدل مناسب پیدا کنیم، اگرچه معادلات حاصل شده برای حل بسیار مشکل هستند و در اکثر موارد نمی‌توان آن‌ها را به طور تحلیلی حل نمود.

از سوی دیگر، در مواردی که نمی‌توان آن‌ها را به خوبی در چارچوب ریاضیات شرح داد و به رفتار اشیائی وابسته هستند که اقدام آن‌ها را نمی‌توان به طور قطعی پیش‌بینی نمود (مانند انسان‌ها)، یافتن یک مدل خوب برای توصیف واقعیت بسیار مشکل است. به عنوان یک قاعده کلی، در این رشته‌ها معادلات حاصله را ساده‌تر می‌توان حل نمود، اما یافتن آن‌ها سخت‌تر است و اعتبار یک مدل باید بیشتر مورد سوال قرار بگیرد. برخی از مثال‌های معمول عبارتند از تلاش برای شبیه‌سازی اقتصاد، استفاده از منابع طبیعی و غیره.

تا کنون، ما فقط در مورد توسعه مدل‌ها برای توصیف واقعیت بحث کرده‌ایم، و استفاده از این مدل‌ها لزوماً شامل کامپیوتر یا کار عددی نیست. در حقیقت، اگر معادله یک مدل بتواند به صورت تحلیلی حل شود، باید این کار را انجام داد و راه حل معادله را نوشت.

در عمل، تقریباً هیچ معادله مدل یک سیستم مورد نظر را نمی‌توان به صورت تحلیلی حل کرد، و این جایی است که کامپیوتر وارد می‌شود: با استفاده از روش‌های عددی، ما حداقل می‌توانیم مدل را برای یک مجموعه خاص از شرایط مرزی مطالعه کنیم.

به طور واضح مطلوب است که راه‌های تحلیلی را در هر کجا که امکان‌پذیر است پیدا کنید، اما تعداد مسائلی که این امکان وجود دارد کم هستند. معمولاً نتایج عددی یک شبیه‌سازی کامپیوتری بسیار مفید است (با وجود کاستی‌های نتایج عددی در مقایسه با روش تحلیلی)، زیرا این تنها راه ممکن برای مطالعه سیستم است.

نام مدلسازی کامپیوتری از دو مرحله برگرفته شده است: 1) مدلسازی؛ یعنی پیدا کردن توصیف مدل یک سیستم واقعی و 2) حل معادلات مربوط به مدل با استفاده از روش‌های محاسباتی، زیرا این تنها راه حل معادلات می‌باشد.

تعدادی زیادی پکیج وجود دارند که قابلیت‌های مدلسازی محاسباتی را ارائه می‌دهند. اگر این‌ها نیازهای تحقیق یا طراحی را برآورده کنند، و هرگونه پردازش و به تصویر کشیدن داده‌ها از طریق ابزارهای موجود پشتیبانی شود، می‌توان مطالعات مدلسازی محاسباتی را بدون هیچ گونه دانش برنامه‌نویسی عمیق‌تر انجام داد.

در یک محیط تحقیقاتی – هم در دانشگاه و هم در صنعت – اغلب به نقطه‌ای می‌رسند که پکیج‌های موجود قادر به انجام شبیه‌سازی مورد نظر نمی‌باشند. در این حالت، مهارت‌های برنامه‌نویسی مورد نیاز است.

درک نحوه ایجاد یک شبیه‌سازی کامپیوتری تقریباً به این صورت است: 1) یافتن مدل (اغلب به معنای یافتن معادلات درست می‌باشد)؛ 2) دانستن اینکه چگونه این معادلات را به صورت عددی حل کنیم؛ 3) پیاده‌سازی روش‌هایی برای محاسبه این راه حل‌ها (این برنامه‌نویسی است).

 

 

۰ نظر ۰۵ شهریور ۹۶ ، ۰۹:۲۱
صادق سلمانی

حل و بررسی معادلات دیفرانسیل (Differential Equations) یکی از مهم‌ترین مباحث در رشته‌های فنی-مهندسی می‌باشد. چرا که معادلات دیفرانسیل، علاوه بر اهمیت تئوریک و نظری که دارند، زبان استاندارد مدل‌سازی ریاضی و توصیف رفتار سیستم‌ها و طبیعت نیز هستند. در چاه‌آزمایی، با دو سیستم سر و کار داریم: 1- مخزن 2- چاه. روابط ریاضی‌ای وجود دارد که برای مدل‌سازی رفتار سیال در مخزن و چاه به کار گرفته می‌شوند. یکی از مهمترین معادلاتی که در چاه‌آزمایی استفاده می‌کنیم، معادله انتشار (Diffusivity Equation) هست. این معادله بیانگر رفتار سیال در مخزن است و در حقیقت توسط این معادله، رفتار سیستم را مدل‌سازی می‌کنیم. بنابراین تسلط به مباحث معادلات و به خصوص معادلات دیفرانسیل مشتقات جزئی (PDE)، اهمیت بسیار زیادی در درس چاه‌آزمایی داره و برای پیشرفت در این حوزه باید به خوبی بر مباحث معادلات مسلط بود. 

برای اینکه یک دید اجمالی به قضیه داشته باشید، این لینک و این لینک رو بخونید.

۰ نظر ۳۰ تیر ۹۵ ، ۲۱:۲۸
صادق سلمانی

تئوری System Identification که به صورت خلاصه با نماد SI نشان می‌دهند، در مورد مدلسازی سیستم‌های دینامیکی برای اهدافی مانند شبیه‌سازی می‌باشد. در این تئوری از روابط ریاضی و همچنین الگوریتم‌ها استفاده می‌کنیم تا بتوانیم مدل سیستم‌های دینامیکی را بسازیم. برای مثال مخزن گاز میعانی یک سیستم دینامیکی هست؛ زیرا پارامترهای مخزن (مانند شعاع هر یک از نواحی) با زمان تغییر می‌کند و خود این شعاع‌ها هم وابسته به فشار هستند که فشار هم در طول زمان تغییر می‌کند. در کل یک سیستم دینامیکی وابسته به زمان می‌باشد.

یکی از مزایای SI این است که دیگر لازم نیست برای انجام ولتست دبی چاه ثابت باشد و ممکن است دیگر نیازی به بستن چاه برای انجام تست نباشد.

به دلیل اینکه در روش‌های فعلیِ ولتست برای انجام تست چاه نیاز به بستن چاه داریم، تولید نفت ما کاهش می‌یابد و این ضرر اقتصادی زیادی به ما می‌زند. در صورتی که اگر روش‌هایی مانند دیکانولوشن و یا SI را به کار ببندیم دیگر نیازی به بستن چاه نخواهد بود.


همان‌طور که در شکل بالا دیده می‌شود، نواحی هاشور زده مربوط به زمان‌هایی است که در حال تست چاه هستیم و چون در این بازه زمانی نیاز داریم که چاه را ببندیم، بنابراین به اندازه مساحت این ناحیه تولید نفت ما کاهش می‌یابد و ضرر زیادی به ما می‌زند.


آیا امکان کاهش هزینه‌های ولتست با به کار بردن روش‌های دیکانولوشن و SI وجود دارد؟

- البته که وجود دارد.

۰ نظر ۰۲ خرداد ۹۵ ، ۲۳:۱۱
صادق سلمانی