ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ В ЗАДАЧЕ РАСПРЕДЕЛЕНИЯ СЕЙСМОРАЗВЕДОЧНЫХ ПАРТИЙ ПО ОБЪЕКТАМ

Е. О. Шамшович, Н. Ю. Фаткуллин, В. Ф. Шамшович

Аннотация


В статье рассмотрена имитационная реализация целочисленной модели оптимизации в задаче о распределении сейсморазведочных партий по объектам. Особенность данной модели заключается в том, что имитация установленных статистически вероятностных распределений параметров, носящих случайный характер, позволяет формировать с определенной точностью прогноз как загрузки мощностей сейсморазведочных партий, так и предполагаемое время на обработку объектов и перемещений между ними.

В работе количество сейсморазведочных партий и объектов сейсморазведки принимается фиксированными величинами, а элементы транспортной системы объектов моделируются по заданному закону распределения случайных величин. Иными словами, рассматривается модель распределения по объектам, распределенным в узлах сгенерированной транспортной сети. В то же время, в общем случае закон распределения должен определяться по результатам проверки статистических гипотез на основании ретроспективных данных.

В данных исследованиях была принята гипотеза о равномерном (равновероятном) законе распределения, как варианте когда ни одна из величин транспортной сети (величина дуги) не может считаться более вероятной, чем другая из некоторого фиксированного диапазона. Кроме того, временные ограничения также приняты случайными величинами, что имитирует ограниченность работы сейсморазведочных партий по объектам, исходя из сезонных ограничений региона.


Ключевые слова


criterion of optimization;integer programming;Monte-Carlo method;optimization;problem of distribution;задача распределения;критерий оптимизации;метод Монте-Карло;оптимизация;целочисленное программирование

Полный текст:

PDF

Литература


Бахтизин Р. Н., Кантор О. Г., Хасанов М. М. Решение многокритериальных экономических задач в нечетких условиях (на примере нефтегазового комплекса) // Проблемы нефтегазового комплекса в условиях становления рыночных отношений: сб. науч. ст. Уфа, 1997. С.42-51.

Белошицкий А. В., Карпов В. Г., Фаткуллин Н. Ю. Инструменты оптимизации внутрифирменных планов выполнения сейсморазведочных работ в районах крайнего севера // Инновации в управлении региональным и отраслевым развитием: сб. науч. тр. Тюмень, 2010.

Гмурман В. Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 2003. 479 с.

Карпов В. Г., Белошицкий А. В., Фаткуллин Н. Ю. Инструменты планирования сейсморазведочных работ в регионе // Технологии управления социально-экономическим развитием региона: Материалы II всерос. науч.-практ. конф. с междунар. участием. В 3-х частях. Ч. II. Уфа: ИСЭИ УНЦ РАН, 2009. 296 с.

Соболь И. М. Метод Монте-Карло. М.: Наука, 1968. 64 с.

Фаткуллин Н. Ю. Реализация метода статистических испытаний при анализе финансирования капитального ремонта магистральных нефтепроводов// Нефть и газ Западной Сибири: материалы Междунар. науч.-техн. конф., посвященной 40-летию Тюменского государственного нефтегазового университета: сб. статей / Отв. ред. И. М. Ковенский. 2003. С. 157-158.

Walker C.L. and Walker E.A. The algebra of fuzzy truth values // Fuzzy Sets and Systems, 2005, 149: 309-347.




DOI: http://dx.doi.org/10.17122/ogbus-2016-1-71-88

Ссылки

  • На текущий момент ссылки отсутствуют.