Automatisierte Anbindung von Simulations- und Optimierungssoftware zur parallelen Lösung inverser Problemklassen

Seidler, Ralf GND

In dieser Arbeit wird die in Python geschriebene Software “Environment for Combining Optimization and Simulation Software” (EFCOSS) zur Verbindung von Optimierungsalgorithmen mit Simulationsroutinen beschrieben, welche für verschiedene Problemstellungen aus der Geothermie und Materialwissenschaft angewendet wird. Zur Lösung werden inverse Probleme für Parameterbestimmung, Space-Mapping, Optimal Experimental Design (OED) und Modellidentifikation aufgestellt und diese mit Hilfe von EFCOSS gelöst. Dies wird nur möglich, da die interne Struktur von EFCOSS grundlegend umgearbeitet und dabei eine neue Softwarearchitektur unter Verwendung von Standard Python Paketen geschaffen wurde. Die Software ist gezielt darauf ausgelegt, mehrere Optimierungsprobleme, Zielfunktionen und Simulationsroutinen auszuwerten und damit ein breites Anwendungsspektrum effektiv zu lösen. Beispielhaft werden Simulationsmodelle für die geologischen Gegebenheiten in der Region um Perth in Australien, sowie in der Toskana in Italien, betrachtet, um neue Explorationsbohrlochpositionen mit Hilfe von OED zu finden, die niedrige Unsicherheiten in das Modell einbringen. Darüber hinaus werden Parameterschätzprobleme mit grob und fein aufgelösten Modellen der Regionen mit Hilfe des Space-Mapping Algorithmus optimiert und hierbei eine hohe Genauigkeit erzielt. Mit Hilfe der Modellidentifikation werden Modelle der Metallplastizität miteinander verglichen und Aussagen über deren Güte getroffen. Durch den automatisierten Einsatz von automatischem Differenzieren, sowohl im Vorwärts-, wie auch im Rückwärtsmodus, Parallelisierung und Wiederverwendung von bereits berechneten Ergebnissen, werden die seriellen Ausführungszeiten zur Lösung der gegebenen Probleme von mehreren Tagen beziehungsweise Wochen auf wenige Minuten gesenkt. 

This work introduces a novel extension of the Python software "Environment for Combining Optimization and Simulation Software'' (EFCOSS). The extension addresses the solution of optimization problems of different types. Various problem instances that demonstrate the feasibility of this approach in new practical application scenarios include geothermal engineering and material science. In a more general context, EFCOSS enables to investigate the questions of which parameter values best fit a given computer model to measurements from real-world experiments, how should such experiments be designed with minimal uncertainty, which computer models should be used for a specific task, and how can the efficiency of such investigations be improved by using simpler models. These questions are addressed by employing techniques from parameter estimation, space mapping, optimal experimental design, and model identification that are implemented and brought together in EFCOSS. To this end, the internal structure of EFCOSS had to be redesigned completely to introduce a new software architecture based on standard Python packages. This new architecture allows for multiple optimization problems, objective functions, and simulation routines to be used within a single application. Simulation models of geothermal reservoirs in the regions of Perth in Australia and Tuscany in Italy are used as illustrating examples of optimal experimental design to find the location of new borehole sites that introduce low uncertainty in the parameter estimation. Furthermore, new parameter estimation problems are solved using space-mapping algorithms. Model identification is applied to metal-plasticity models to investigate different kinds of models. By combining automatic differentiation, parallelization, and reuse of intermediate results, the serial runtimes of the described problems are reduced from several weeks to minutes.

Cite

Citation style:
Could not load citation form.

Rights

Use and reproduction:

Export