Раскрыт способ исторического согласования имитационной модели, содержащий этапы, на которых: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (b) вводят исторически известные входные данные в модель; (с) генерируют выходные данные из модели в соответствии с исторически известными входными данными; (d) сравнивают выходные данные из модели с набором исторически известных выходных данных; (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

[0001] Способ исторического согласования имитационной модели, содержащий этапы, на которых:

[0002] Способ по п.1, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

[0003] Способ по п.2, в котором на этапе задания областей, демонстрирующих сходное поведение в модели,

[0004] Устройство хранения программ, считываемое машиной, материально реализующее программу из команд, выполняемых машиной, для осуществления этапов способа исторического согласования имитационной модели на следующих этапах способа:

[0005] Устройство хранения программ по п.4, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

[0006] Устройство хранения программ по п.5, в котором на этапе задания областей, демонстрирующих сходное поведение в модели,

[0007] Компьютерная программа, предназначенная для выполнения процессором, причем компьютерная программа при выполнении процессором осуществляет процесс исторического согласования имитационной модели, причем процесс содержит:

[0008] Компьютерная программа по п.7, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

[0009] Компьютерная программа по п.8, в которой на этапе задания областей, демонстрирующих сходное поведение в модели,

[0010] Система, предназначенная для исторического согласования имитационной модели, содержащая

[0011] Система по п.10, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой шестое устройство, способное к арифметическому изменению каждой из областей модели, содержит устройство, способное умножать параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

[0012] Система по п.11, в которой первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, содержит

Ссылки на родственные заявки

Это заявка на полезную модель ранее рассмотренной предварительной заявки № 60/774,589, поданной 17 февраля 2006 г., под названием "Method for History Matching a Simulation Model using Self Organizing Maps to generate Regions in the Simulation Model".

Предпосылки изобретения

В этом описании изобретения раскрыты способ и связанные с ним система и устройство хранения программ и компьютерная программа, предназначенные для исторического согласования численных имитационных моделей с использованием программного обеспечения самоорганизующейся карты (SOM), причем SOM используется для генерации и задания 'областей' среди блоков сетки численной имитационной модели в ходе процедуры исторического согласования.

Историческое согласование численных моделей является обратной задачей. Это значит, что численная имитационная модель регулируется таким образом, что, при вводе набора исторически известных входных параметров в модель, набор исторически известных выходных параметров или данных будет генерироваться моделью. Таким образом, историческое согласование является процедурой проб и ошибок.

При 'историческом согласовании' численной имитационной модели набор исторически известных выходных параметров должен генерироваться моделью в соответствии с набором исторически известных входных параметров. Однако, когда набор исторически известных выходных параметров не генерируется моделью в соответствии с набором исторически известных входных параметров, необходимо умножить значение параметра (например, проницаемости), связанное с каждым блоком сетки численной имитационной модели, на определенное значение. Однако очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели. Поэтому, когда имитационная модель представляет месторождение, например нефтяное или газовое месторождение, инженер задает одну или несколько 'областей' коллектора, в которой один и тот же множитель в конкретной 'области' можно использовать для улучшения исторического согласования. Выбор 'областей' месторождения можно осуществлять в соответствии с геологической моделью коллектора. Очень часто для задания 'областей' месторождения используется один или несколько 'прямоугольников'. Однако выбор 'прямоугольников' для задания 'областей' месторождения не всегда согласуется с природой.

Кроме того, выбор 'областей' в соответствии с геологической моделью очень часто основан на 'статической геологической информации', т.е. геологической информации, которая напрямую не связана с гидравлическими параметрами, связаннымb с эксплуатацией коллектора, или другими изменениями в течение времени (например, проницаемость выводится из корреляции с пористостью после создания геологической модели).

Сущность изобретения

Согласно одному аспекту настоящего изобретения предусмотрен способ исторического согласования имитационной модели, содержащий этапы, на которых: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (b) вводят исторически известные входные данные в модель; (с) генерируют выходные данные из модели в соответствии с исторически известными входными данными; (d) сравнивают выходные данные из модели с набором исторически известных выходных данных; (е) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

Согласно еще одному аспекту настоящего изобретения предусмотрено устройство хранения программ, считываемое машиной, вещественно реализующее программу из команд, выполняемых машиной, для осуществления этапов способа исторического согласования имитационной модели, на этапах способа: (а) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (b) вводят исторически известные входные данные в модель; генерируют выходные данные из модели в соответствии с исторически известными входными данными; сравнивают выходные данные из модели с набором исторически известных выходных данных; регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

Согласно еще одному аспекту настоящего изобретения предусмотрена компьютерная программа, предназначенная для выполнения процессором, причем компьютерная программа, при выполнении процессором, осуществляет процесс исторического согласования имитационной модели, процесс содержит: (а) задание областей, демонстрирующих сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; (b) ввод исторически известных входных данных в модель; (с) генерацию выходных данных из модели в соответствии с исторически известными входными данными; (d) сравнение выходных данных из модели с набором исторически известных выходных данных; (е) регулировку модели, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели; и (f) повторение этапов (b), (c), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

Согласно еще одному аспекту настоящего изобретения предусмотрена система, предназначенная для исторического согласования имитационной модели, содержащая: первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, и, таким образом, генерировать модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение; второе устройство, способное вводить исторически известные входные данные в модель; третье устройство, способное генерировать выходные данные из модели в соответствии с исторически известными входными данными; четвертое устройство, способное сравнивать выходные данные из модели с набором исторически известных выходных данных; пятое устройство, способное регулировать модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем пятое устройство включает в себя шестое устройство, способное арифметически изменять каждую из областей модели; и седьмое устройство, способное повторять функции, осуществляемые вторым, третьим, четвертым, пятым и шестым устройствами, пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

Дополнительные сведения по объему применения изобретения можно почерпнуть из представленного ниже подробного описания. Однако следует понимать, что подробное описание и конкретные примеры, приведенные ниже, служат исключительно для иллюстрации, поскольку, на основании нижеследующего подробного описания, специалисты в данной области техники смогут предложить различные изменения и модификации в рамках сущности и объема изобретения, описанной и заявленной в этом описании изобретения.

Краткое описание чертежей

Для обеспечения полного понимания обратимся к подробному описанию, представленному ниже, и прилагаемым чертежам, которые приведены исключительно в целях иллюстрации и ни в коей мере не предусматривают ограничения и в которых

фиг. 1 - рабочая станция или другая компьютерная система, в которой хранится численная имитационная модель и программное обеспечение самоорганизующейся карты (SOM);

фиг. 2 - блок сетки численной имитационной модели, с которым связан 'параметр';

фиг. 3 - численная имитационная модель, включающая в себя множество блоков сетки, и способ исторического согласования численной имитационной модели, включающий в себя способ, раскрытый в этом описании изобретения, для исторического согласования имитационной модели с использованием самоорганизующихся карт для генерации областей в имитационной модели;

фиг. 3А - реалистический пример численной имитационной модели, включающей в себя множество блоков сетки;

фиг. 4 - численная имитационная модель, включающая в себя множество блоков сетки, причем модель включает в себя множество 'областей', где каждая 'область' модели дополнительно включает в себя один или несколько блоков сетки численной имитационной модели;

фиг. 5 иллюстрирует, как 'параметры' (помимо 'всей доступной информации'), связанные с каждым блоком сетки численной имитационной модели, вводятся в качестве входных данных в программное обеспечение самоорганизующейся карты (SOM), и как программное обеспечение SOM, в соответствии с этим, задает 'области' численной имитационной модели, показанной на фиг. 4;

фиг. 6 иллюстрирует, как 'вся доступная информация', связанная с каждым из блоков сетки численной имитационной модели, используется программным обеспечением SOM для генерации и задания 'областей' сходного поведения среди блоков сетки численной имитационной модели, и как, в соответствии с этим, программное обеспечение SOM организует блоки сетки численной имитационной модели в одну или несколько из заданных 'областей', показанных на фиг. 4; и

фиг. 7 - блок-схема, где показано, как программное обеспечение SOM будет задавать 'области' сходного поведения среди блоков сетки численной имитационной модели.

Подробное описание

В этом описании изобретения описан 'способ исторического согласования с использованием самоорганизующихся карт (SOM) для генерации областей', в котором новый способ использует самоорганизующиеся карты ("SOM") для вычисления 'областей' сходного поведения среди блоков сетки численной имитационной модели, при 'историческом согласовании' численной имитационной модели. Это обеспечивает гораздо более быстрое достижение верного решения. В итоге, для достижения хорошего понимания значений параметров в блоках сетки модели, вместо сотен проходов моделирования, в общем случае, необходимо менее 20 проходов моделирования. Достижение хорошего понимания таких значений параметров дает хорошее 'историческое согласование' численной имитационной модели.

Первое этап, связанный со 'способом исторического согласования с использованием самоорганизующихся карт (SOM) для генерации областей', раскрытым в этом описании изобретения, использует SOM для построения набора 'областей' из блоков сетки численной имитационной модели. Таким образом, вместо группирования блоков сетки в соответствии с геологией, блоки сетки группируются в соответствии с 'областями сходного поведения на основании всей доступной информации' (ниже именуемых 'областями'). Способ самоорганизующихся карт (SOM) используется для кластеризации блоков сетки сходного поведения. SOM могут работать с любыми типами параметров, включающих в себя параметры модели из инициализации, например, начального давления и насыщенности. Этот 'новый подход' (т.е. с использованием SOM для генерации 'областей') учитывает несколько разных 'параметров' каждого блока сетки модели, отражающей разные физические и численные процессы добычи углеводородов, включающих в себя:

геологическое описание: например, тип литофации;

единицы гидравлического потока (HFU): например, проницаемости, пористости;

инициализация: например, водонасыщенности (начальная и критическая), начальное давление;

дискретизация: например, пространственная дискретизация (например, DZ), поровые объемы блоков сетки;

области PVT;

дренирование;

движение вторичной фазы: конечные точки относительной проницаемости.

В зависимости от важности параметра каждого блока сетки его влияние можно регулировать с использованием весового коэффициента. Этот коэффициент нормализован от 0 до 1. Параметр получает максимальный вес, когда весовой коэффициент равен единице. Параметр не имеет никакого влияния на кластеризацию, когда весовой коэффициент равен 0. SOM генерирует правила, которые используются для автоматической идентификации 'областей'. Например, правило для одной конкретной 'области' может представлять собой:

IF DZ > 10.23 AND DZ < 27.48 AND

IF PERMX > 9.03 AND PERMX < 2496.5 AND

IF PERMY > 8.53 AND PERMY < 665.9 AND

IF PERMZ > 0.8 9 AND PERMZ < 440.8 AND

IF PORO > 0.077 AND PORO < 0.25 AND

IF PORV > 1.38e+5 AND PORV < 5.26e+5 AND

IF PINI > 2485.5 AND PINI < 2874.4 AND

IF SWAT > 0.0 6 AND SWAT < 0.74

THEN блок сетки принадлежит ОБЛАСТИ 1

Преимуществом этого 'нового подхода' является его простота. Поскольку самоорганизующаяся карта (SOM) является самообучающейся, эта технология не предусматривает использования экспертной системы. Единственное решение, которое должен принять пользователь, это сколько 'областей' он желает создать.

Второй этап, связанный со 'способом исторического согласования с использованием самоорганизующихся карт (SOM) для генерации областей', раскрытым в этом описании изобретения, включает в себя вычисление среднеквадратической (RMS) ошибки на основании 'областей'. Для ускорения процесса согласования необходимо вычислять среднеквадратическую (RMS) ошибку на основании областей. Это значит, что прямое влияние изменения параметра области можно сравнивать со степенью совпадения в этой области. Для этого необходимо разложить RMS ошибку для каждой скважины на составляющие, определяемые каждой отдельной областью. Каждая область, в которой скважина перфорирована, по-разному определяет поведение скважины. Поскольку поведение скважины, в основном, определяется ее производительностью, очевидно, что важность области в скважине зависит от произведения проницаемости и толщины (kh). Чем выше kh области в перфорированной части скважины, тем больше ее вклад в производительность. Этот принцип используется для разложения RMS ошибки скважины на ошибку для каждой области, в которой скважина перфорирована. Суммирование всех RMS ошибок скважины для одной области можно использовать для определения RMS значения в области. Таким образом, можно непосредственно количественно определять прямое влияние изменения входного параметра области.

'Способ исторического согласования с использованием самоорганизующихся карт (SOM) для генерации областей', раскрытый в этом описании изобретения, представляет очевидное усовершенствование в отношении: 'качества исторического согласования' и 'количества проходов, необходимого для достижения исторического согласования' численной имитационной модели.

На фиг. 1 показана рабочая станция, персональный компьютер, или другая компьютерная система 10, предназначенная для хранения численной имитационной модели 12 и программного обеспечения 14 самоорганизующейся карты (SOM). Компьютерная система 10, показанная на фиг. 1, включает в себя процессор 10а, оперативно подключенный к системной шине 10b, память или другое устройство хранения программ 10с, оперативно подключенное к системной шине 10b, и устройство записи или отображения 10d, оперативно подключенное к системной шине 10b. В памяти или другом устройстве хранения программ 10с хранится численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (SOM), которое вводит данные в численную имитационную модель 12 и принимает данные из нее. Численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (SOM), которые хранятся в памяти 10с, показанной на фиг. 1, могут первоначально храниться на CD-ROM, причем этот CD-ROM также является 'устройством хранения программ'. Этот CD-ROM можно вставлять в компьютерную систему 10, и численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (SOM) могут загружаться с этого CD-ROM в память/устройство хранения программ 10с компьютерной системы 10, показанной на фиг. 1. Компьютерная система 10, показанная на фиг. 1, принимает 'входные данные' 16, которые включают в себя 'исторически известные входные данные' 18. Процессор 10а будет выполнять численную имитационную модель 12 и программное обеспечение 14 самоорганизующейся карты (SOM), хранящиеся в памяти 10с, одновременно используя 'входные данные' 16, включающие в себя 'исторически известные входные данные' 18; и, в соответствии с этим, процессор 10а будет генерировать 'выходные данные' 20, подлежащие записи или отображению посредством устройства записи или отображения 10d, показанного на фиг. 1. Компьютерная система 10, показанная на фиг. 1, будет пытаться производить 'историческое согласование' численной имитационной модели 12 с 'исторически известными входными данными' 18 и 'выходными данными' 20 (что будет рассмотрено ниже в этом описании изобретения) с использованием программного обеспечения SOM 14 для достижения совпадения. Компьютерная система 10, показанная на фиг. 1, может представлять собой персональный компьютер (ПК), рабочую станцию, микропроцессор или универсальный компьютер. Примеры возможных рабочих станций включают в себя рабочую станцию Silicon Graphics Indigo 2, или рабочую станцию Sun SPARC, или рабочую станцию Sun ULTRA, или рабочую станцию Sun BLADE. Память или устройство хранения программ 10с (включающее в себя вышеупомянутый CD-ROM) представляет собой компьютерно-считываемый носитель или устройство хранения программ, которое считывается машиной, например, процессором 10а. Процессор 10а может представлять собой, например, микропроцессор, микроконтроллер или процессор универсального компьютера или рабочей станции. Память или устройство хранения программ 10с, где хранятся численная имитационная модель 12 и программное обеспечение 14 самоорганизующейся карты (SOM), может представлять собой, например, жесткий диск, ПЗУ, CD-ROM, DRAM, или другое ОЗУ, флэш-память, магнитный носитель, оптический носитель, регистры или другую энергозависимую и/или энергонезависимую память.

На фиг. 2 показан блок сетки 22. Блок сетки 22 является лишь одним блоком сетки среди многих других блоков сетки, составляющих численную имитационную модель 12, причем каждый блок сетки включает в себя блок сетки 22, с которым связано один или несколько 'параметров' 24. Например, 'параметры' 24, связанные с блоками сетки (включающими в себя блок сетки 22), могут включать в себя проницаемость, или водопроводимость, или поровый объем, что полностью описано и изложено в патентах США 6,078,869 и 6,018,497, выданных Gunasekera, раскрытия которых включены в это описание изобретения посредством ссылки. Как отмечено выше, 'параметры' также могут включать в себя: геологическое описание, например тип литофации, единицы гидравлического потока (HFU), например проницаемости, пористости, инициализацию, например, водонасыщенности (начальную и критическую), начальное давление, дискретизацию, например пространственную дискретизацию (например, DZ), поровые объемы блоков сетки, области PVT, дренирование и движение вторичной фазы, например конечные точки относительной проницаемости.

Согласно фиг. 3 способ 'исторического согласования' численной имитационной модели 12 в отношении 'исторически известных входных данных' 18 и 'выходных данных' 20, показанных на фиг. 1, рассмотрен ниже со ссылкой на фиг. 3. Согласно фиг. 3 численная имитационная модель 12 включает в себя множество блоков сетки 22, причем с каждым из множества блоков сетки 22, показанных на фиг. 3, связано один или несколько 'параметров' 24, например проницаемость, или водопроводимость, или поровый объем. Согласно фиг. 3 при 'историческом согласовании' численной имитационной модели 12, 'исторически известные входные данные' вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадает с 'исторически известными выходными данными', численную имитационную модель 12 нужно сначала 'отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. Для «регулировки » модели 12 рассмотрим этапы или блоки 26а и 26b на фиг. 3. На этапе 26а, для «регулировки » модели 12, определенные 'области' должны быть заданы в численной имитационной модели 12. Когда 'области' заданы в численной имитационной модели 12, на этапе 26b, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. В этот момент модель 12 'отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, снова генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадают с 'исторически известными выходными данными', численную имитационную модель 12 нужно 'повторно отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. На этапе 26b, чтобы 'повторно отрегулировать' модель 12, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. В этот момент модель 12 'повторно отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12, и, в соответствии с этим, снова генерируются 'выходные данные' 20. Этот процесс повторяется до тех пор, пока 'выходные данные' 20 действительно, по существу, не совпадут с 'исторически известными выходными данными'. В этот момент, численная имитационная модель 12 'исторически согласована'.

На фиг. 3А показана реалистическая иллюстрация типичной численной имитационной модели 12, показанной на фиг. 3. Обратите внимание на многочисленные блоки сетки 22, с которыми связаны 'параметры' 24, представленные на фиг. 2.

На фиг. 4 показана численная имитационная модель 12, изображенная на фиг. 3, включающая в себя множество блоков сетки 22. Согласно фиг. 4 модель 12 включает в себя множество 'областей' 30, где каждая 'область' 30 модели 12 дополнительно включает в себя один или несколько блоков сетки 22, причем с каждым блоком сетки 22 связаны 'параметры' 24, показанные на фиг. 2. Напомним, что, для 'исторического согласования' численной имитационной модели 12, некоторые 'области' 30 должны быть заданы в численной имитационной модели 12. При задании 'областей' 30 в численной имитационной модели 12, на этапе 26b, показанной на фиг. 3, необходимо умножить 'параметры' 24 (показанные на фиг. 2) в каждом блоке сетки 22 'области' 30 на определенное значение. В этот момент модель 12 'отрегулирована'.

Согласно фиг. 4 и 5, в первую очередь, согласно фиг. 5, 'параметры' P1, P2, ... и Р10, связанные с каждым блоком сетки 22 (помимо 'всей доступной информации', связанной с каждым блоком сетки 22) численной имитационной модели 12, вводятся в качестве входных данных в программное обеспечение 14 самоорганизующейся карты (SOM), и, в соответствии с этим, программное обеспечение SOM 14 задает 'области' 30 численной имитационной модели 12, которые проиллюстрированы на фиг. 4. В частности, программное обеспечение SOM 14 будет задавать 'области' 30 'сходного поведения' в численной имитационной модели 12. Например, согласно фиг. 4, программное обеспечение SOM 14, показанное на фиг. 5, будет задавать: (1) первую 'область 1' 30а, имеющую первый конкретный тип сходного поведения, (2) вторую 'область 2' 30b, имеющую второй конкретный тип сходного поведения, (3) третью 'область 3' 30с, имеющую третий конкретный тип сходного поведения, (4) четвертую 'область 4' 30d, имеющую четвертый конкретный тип сходного поведения, (5) пятую 'область 5' 30е, имеющую пятый конкретный тип сходного поведения, (6) шестую 'область 6' 30f, имеющую шестой конкретный тип сходного поведения, и (7) седьмую 'область 7' 30g, имеющую седьмой конкретный тип сходного поведения.

Согласно фиг. 4 и 6, в первую очередь, согласно фиг. 6, заметим, что 'вся доступная информация', связанная с каждым из блоков сетки 22 численной имитационной модели 12, используется программным обеспечением SOM 14 для генерации и задания 'областей' 30 сходного поведения среди блоков сетки 22 численной имитационной модели 12, и, в соответствии с этим, программное обеспечение SOM 14 организует блоки сетки 22 численной имитационной модели 12 в одну или несколько заданных 'областей' 30а, 30b, 30с, 30d, 30е, 30f и 30g, которые показаны на фиг. 4. Согласно фиг. 6, например, 'вся доступная информация о блоке сетки 1' 32, и 'вся доступная информация о блоке сетки 2' 34, ..., и 'вся доступная информация о блоке сетки N' 36 применяется программным обеспечением SOM 14. В соответствии с этим, программное обеспечение SOM 14 будет 'генерировать и задавать области сходного поведения на основании всей доступной информации, связанной с блоками сетки', что отражено этапом 38 на фиг. 6. Когда 'области сходного поведения' заданы, что отражено этапом 40 на фиг. 6, программное обеспечение SOM 14 будет организовывать блоки сетки 22 в одну или несколько 'областей' сходного поведения, как показано на фиг. 4. Например, согласно фиг. 4, программное обеспечение SOM 14, показанное на фиг. 1, 5 и 6, будет: (1) организовывать блоки сетки 22 в 'область 1' 30а, имеющую первый тип сходного поведения, (2) организовывать блоки сетки 22 в 'область 2' 30b, имеющую второй тип сходного поведения, (3) организовывать блоки сетки 22 в 'область 3' 30с, имеющую третий тип сходного поведения, (4) организовывать блоки сетки 22 в 'область 4' 30d, имеющую четвертый тип сходного поведения, (5) организовывать блоки сетки 22 в 'область 5' 30е, имеющую пятый тип сходного поведения, (6) организовывать блоки сетки 22 в 'область 6' 30f, имеющую шестой тип сходного поведения, и (7) организовывать блоки сетки 22 в 'область 7' 30g, имеющую седьмой тип сходного поведения.

На фиг. 7 показана блок-схема 38, которая описывает, как программное обеспечение SOM 14, показанное на фиг. 1, 5 и 6, будет 'задавать области сходного поведения', что отражено этапом 38 на фиг. 6. Блок-схема 38 на фиг. 7, представляющая этап 38 на фиг. 6, включает в себя следующие подэтапы: этап 38а, этап 38b, этап 38с и этап 38d. Чтобы полностью понять этап 38, показанный на фиг. 6, который включает в себя подэтапы 38а-38d, показанные на фиг. 7, было бы полезно обратиться к патенту США 6,950,786, выданному Зоннеланду (Sonneland) и др. (ниже, патент '786 Зоннеланда и др.), выданному 27 сентября 2005 г., под названием "Method and Apparatus for Generating a Cross Plot in Attribute Space from a Plurality of Attribute Data Sets and Generating a Class Data Set from the Cross Plot", с конкретной ссылкой на фиг. 16-21 патента '786 Зоннеланда и др., раскрытие которого включено посредством ссылки в описание этой заявки. Согласно фиг. 7 программное обеспечение SOM 14 будет 'задавать области сходного поведения' (что отражено этапом 38 на фиг. 6), выполняя следующие этапы: (1) построение кросс-плота параметров ячеек сетки, этап 38а на фиг. 7, например параметры 24 ячеек сетки 22 на фиг. 2, (2) выявление кластеров точек в кросс-плоте точки в кластере представляют ячейки сетки, имеющие параметры, демонстрирующие сходное поведение, этап 38b, (3) обозначение ячеек сетки на многомерном графике, с одновременным выявлением тех ячеек сетки в кластере, которые демонстрируют сходное поведение, этап 38с, и (4) группирование друг с другом тех ячеек сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте - эта группа называется 'областью', этап 38d.

Функциональное описание действия настоящего изобретения приведено ниже со ссылкой на фиг. 1-7 чертежей.

Согласно фиг. 3, при 'историческом согласовании' численной имитационной модели 12, 'исторически известные входные данные' вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадает с 'исторически известными выходными данными', численную имитационную модель 12 нужно сначала 'отрегулировать', прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. Для «регулировки » модели 12 рассмотрим этапы или блоки 26а и 26b на фиг. 3. На этапе 26а, для «регулировки » модели 12, определенные 'области' 30 модели 12, показанной на фиг. 4, нужно задавать и регулировать в численной имитационной модели 12. 'Области' 30 численной имитационной модели 12, показанной на фиг. 4, задаются и генерируются программным обеспечением SOM 14, показанным на фиг. 1, 5 и 6. Программное обеспечение SOM 14 будет задавать и генерировать 'области' 30, показанные на фиг. 4, выполняя следующие этапы, представленные на фиг. 7 (согласно патенту США 6,950,786, выданному Зоннеланду и др., с конкретной ссылкой на фиг. 16-21 патента '786 Зоннеланда и др., раскрытие которого уже включено сюда посредством ссылки): (1) построение кросс-плота параметров ячеек сетки, этап 38а на фиг. 7, например, параметры 24 ячеек сетки 22 на фиг. 2, (2) выявление кластеров точек в кросс-плоте - точки в кластере представляют ячейки сетки, имеющие параметры, демонстрирующие сходное поведение, этап 38b, (3) обозначение ячеек сетки на многомерном графике, с одновременным выявлением тех ячеек сетки в кластере, которые демонстрируют сходное поведение, этап 38с, и (4) группирование друг с другом тех ячеек сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте - эта группа называется 'областью', этап 38d. При задании 'областей' программным обеспечением SOM 14 в численной имитационной модели 12, на этапе 26b на фиг. 3, необходимо умножить 'параметры' 24 в каждом блоке сетки каждой 'области' на определенное 'значение'. Однако 'значение' для одной 'области' может отличаться от 'значения' для другой 'области', поскольку 'очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели'. В этот момент, модель 12 'отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, снова генерируются 'выходные данные' 20. Эти 'выходные данные' 20 сравниваются с набором 'исторически известных выходных данных', которые было предварительно сгенерированы (в прошлом) в соответствии с 'исторически известными входными данными'. Когда 'выходные данные' 20, по существу, не совпадают с 'исторически известными выходными данными', численную имитационную модель 12 нужно 'повторно отрегулировать' таким же образом, как описано выше, прежде чем снова ввести 'исторически известные входные данные' 18 в качестве 'входных данных' в модель 12. На этапе 26b, чтобы 'повторно отрегулировать' модель 12, может потребоваться: (1) использовать программное обеспечение SOM 14 для задания 'областей' 30 численной имитационной модели 12, показанной на фиг. 4, путем выполнения этапов 38a-38d, показанных на фиг. 7 (этап, который может быть уже выполнен и потому может не потребоваться), и (2) умножить параметры 24 в каждом блоке сетки каждой вновь заданной 'области' на определенное значение. Опять же, 'значение' для одной 'области' может отличаться от 'значения' для другой 'области', поскольку 'очевидно, что множитель не обязан быть одним и тем же числом для каждого блока сетки модели'. В этот момент, модель 12 'повторно отрегулирована'. Затем 'исторически известные входные данные' 18 повторно вводятся в качестве 'входных данных' в модель 12 и, в соответствии с этим, снова генерируются 'выходные данные' 20. Этот процесс повторяется до тех пор, пока 'выходные данные' 20 действительно, по существу, не совпадут с 'исторически известными выходными данными'. В этот момент численная имитационная модель 12 'исторически согласована'.

Хотя вышеприведенное описание относится к использованию SOM для задания 'областей' в ходе 'исторического согласования' численных имитационных моделей, очевидно, что возможны разнообразные изменения. Такие изменения не следует рассматривать как отход от сущности и объема заявленного способа или устройства или устройства хранения программ, и специалистам в данной области очевидно, что все подобные модификации подлежат включению в объем нижеприведенной формулы изобретения.