Анализ производительности ЭВМ при проведении многовариантного геологического моделирования различного масштаба

Статья посвящена анализу производительности ЭВМ при проведении многовариантного геологического моделирования различного масштаба и разработке рекомендаций по использованию конкретных конфигураций ЭВМ в зависимости от комплекса факторов. Среди анализируемых параметров рассмотрены: тип расчетов (многовариантный прогноз флюидонасыщенного объема различного масштаба в двумерном и трехмерном форматах, а также вспомогательные расчеты – подготовка динамических атрибутов, снятие статистики с большого массива карт) и число реализаций. Каждый процесс рассчитывался на всех конфигурациях ЭВМ многократно, после чего определялись лучшие, усредненные и худшие результаты для получения показательной статистики. Рассмотрены преимущества и недостатки конфигураций ЭВМ по результатам бенчмаркинга, определены тренды и зависимости для каждого типа расчетов, разработаны рекомендации по подбору оптимальных параметров рабочих станций. В подавляющем большинстве дисциплин определяющим фактором быстрых расчетов является производительность центрального процессора (ЦП) на 1 ядро/поток. Объем оперативной памяти влияет в меньшей степени на скорость расчетов, однако при перегрузке максимально допустимого объема процесс расчета может оказаться прерванным. Помимо наиболее подходящего для геологического моделирования аппаратного обеспечения, не менее важной является оптимизация программного обеспечения разработчиками. Совершенствование алгоритмов, позволяющее максимально эффективно использовать множество ядер/потоков ЦП и значительно повысить производительность при решении задач, должно стать одним из главных приоритетов.

Список литературы

1. Закревский К.Е. Геологическое 3D моделирование. – М.: ООО «ИПЦ Маска», 2009. – 376 с. – EDN: AEOOAO

2. Ключевые проблемы освоения ачимовских отложений на разных масштабах исследования / М.В. Букатов [и др.] // PROНЕФТЬ. Профессионально о нефти. – 2018. – № 2. – С. 16–21. – https://doi.org/10.24887/2587-7399-2018-2-16-21. – EDN: OVUBRB

3. Разработка интегрированного технического подхода к вероятностной оценке ресурсной базы и учету геологических рисков для ачимовских отложений при низкой степени изученности / И.И. Алехин [и др.] // PROНЕФТЬ. Профессионально о нефти. – 2024. – № 9(3). – С. 6–16. – https://doi.org/10.51890/2587-7399-2024-9-3-6-16. – EDN: KKSPFW

4. Переплеткин И.А. Технические решения для учета вертикальных неоднородностей разреза в алгоритмах 2D моделирования при проведении вероятностной оценки // Геология в развивающемся мире. Материалы XVIII Международной научно-практической конференции студентов, аспирантов и молодых ученых. – Пермь: ПГНИУ, 2025. – С. 313–317. – EDN: VSPDTQ

5. Переплеткин И.А. Захарова О.А. База алгоритмов вероятностной оценки объектов различного генезиса // Актуальные проблемы геологии, геофизики и геоэкологии. Материалы XXXVI молодежной научной школы-конференции, посвященной памяти чл.-корр. АН СССР К.О. Кратца и акад. РАН Ф.П. Митрофанова. Апатиты. – Пермь: ПГНИУ, 2025. – С. 61–65.

6. Особенности подхода к вероятностной оценке ресурсного потенциала поясов руслоформирования на севере Тазовского полуострова / И.И. Алехин

[и др.] // PROНЕФТЬ. Профессионально о нефти. – 2024. – № 9(4). – С. 15–29. – https://doi.org/10.51890/2587-7399-2024-9-4-15-29. – EDN: AJQINO

7. Закревский К.Е., Попов В.Л. История развития трехмерного геологического моделирования как метода изучения залежей нефти и газа // Изв. Томского политехнического университета. Инжиниринг георесурсов. – 2021. – Т. 332. – № 5. – С. 89–100. – https://doi.org/10.18799/24131830/2021/5/3188. –

EDN: WSCPZG

8. Swanson D.C. A new geological volume computer modeling system for reservoir description // SPE-17579-MS. – 1988. – https://doi.org/10.2118/17579-MS

9. История компании Roxar. – http://roxar.ru/about-us/history

10. Schlumberger Petrel Deployment guide. – 2007. – 518 p.

11. Руководство пользователя. ТНавигатор 25.1. Дизайнер Геологии и Моделей. ИРМ. – 2025. – 3209 с.

12. К вопросу о перспективах создания корпоративного программного обеспечения геологического моделирования / М.И. Саакян, К.Е. Закревский,

Р.К. Газизов [и др.] // Нефтяное хозяйство. – 2019. – № 11. – С. 50–54. – https://doi.org/10.24887/0028-2448-2019-11-50-54. – EDN: SEZUHO

13. Информационная геологическая система «GeoMate». – https://neftegaz.ru/news/Geological-exploration/236562-gazprom-neft-vnedryaet-informatsionnuyu-geolo...

14. Зинченко И.А. Анализ реализации параллельных вычислений и практические советы по сокращению времени расчета бассейновых моделей в программном обеспечении PetroMod® // Нефтяное хозяйство. – 2023. – № 7. – С. 76–82. – https://doi.org/10.24887/0028-2448-2023-7-76-82. – EDN: HABAFL

15. Ковалевский Е.В. Геологическое моделирование на основе геостатистики. – М.: ОАО «ЦГЭ», 2011. – 100 с.

16. Переплеткин И.А., Космачева М.С. Возможности динамического анализа для прогнозирования распространения коллектора при низкой степени изученности сейсмическими данными // PROНЕФТЬ. Профессионально о нефти. – 2025. – № 10(3). – С. 14–27. – https://doi.org/10.51890/2587-7399-2025-10-3-14-27. – EDN: PDKENC