%34تخفیف

دانلود پروژه: پيش­بيني کاهش نفوذپذيري ناشي از رسوب مواد غيرارگانيکي در سيلابزني آب

تعداد 84 صفحه در فایل word

کارشناسي ارشد رشته مهندسي نفت

گرايش حفاري و بهره­برداري

پيش­بيني کاهش نفوذپذيري ناشي از رسوب مواد غيرارگانيکي در سيلابزني آب

 

 

چکيده

       عمليات سيلابزني آب يکي از روش­هاي مهم بازيابي نفت است که به منظور حفظ فشار مخزن و افزايش توليد نفت انجام مي­شود.  يکي از رايج­ترين مشکلات در عمليات سيلابزني آب، تشکيل رسوب­هاي غيرارگانيکي به ويژه رسوب­هاي سولفاته است که در اثر ناسازگاري آب تزريقي و آب سازند رخ مي­دهد و باعث کاهش نفوذپذيري سازند مي­شود.

       شبکه­هاي عصبي مصنوعي يکي از ابزارهاي جديدي هستند که کاربرد آنها  در صنعت نفت و گاز بسيار گسترش يافته است.  از آنجايي که عوامل زيادي درکاهش نفوذپذيري ناشي از تشکيل رسوب­هاي سولفاته مؤثر هستند و رابطه پيچيده­اي با يکديگر دارند، در اين تحقيق با استفاده از  نرم افزار MATLAB، شبکه عصبي مصنوعي و داده­هاي آزمايشگاهي سيلابزني آب، مدلي براي پيش­بيني کاهش نفوذپذيري در اثر تشکيل رسوب سولفات باريم ارائه شد. اين مدل توانست
داده­هاي مربوط به مغزه­هاي جديد را با خطاي کمتر از 1 درصد پيش­بيني کند.  به علاوه مدلي به منظور پيش­بيني کاهش نفوذپذيري در اثر تشکيل رسوب­هاي سولفات استرانسيم و سولفات کلسيم ارائه گرديد به طوريکه مدل ارائه شده قابليت پيش­بيني کاهش نفوذپذيري بعد از عمليات سيلابزني با آب را با خطاي کمتر از 2 درصد دارد.

کليد واژه: کاهش نفوذپذيري، شبکه­هاي عصبي مصنوعي، سيلابزني آب، تشکيل رسوب­هاي سولفاته

فهرست مطالب

عنوان                                           صفحه

فصل 1: مقدمه                                        1

1-1 مقدمه­اي بر رسوب                                     2

1-2 شرايط و مکان­هاي تشکيل رسوب                          4

1-3 رسوبات عمده ميادين نفتي                                  5

1-3-1 رسوبات سولفاته                                    5

1-3-2 رسوبات کربناته                                    7

1-4 عوامل مؤثر بر کاهش نفوذپذيري در اثر تشکيل رسوب                  8

1-4-1 دما                                           8

1-4-2 فشار                                     10

1-4-3 غلظت                                         11

1-4-4 زمان تزريق                                   12

1-5 روش­هاي ممانعت از تشکيل رسوب                13

1-6 روش­هاي برداشت رسوب                         15

فصل 2: شبکه­هاي عصبي مصنوعي                     16

2-1 مقدمه                                          17

2-2 مدل رياضي شبکه عصبي مصنوعي                         17

2-3 انواع توابع فعالسازي در شبکه­هاي چند لايه                     18

2-4 ساختار شبکه عصبي                                   19

عنوان                                           صفحه

2-5 انواع شبکه­هاي عصبي و الگوريتم پس­انتشار                      20

2-6 مراحل حل مسائل توسط شبكه عصبي                           21

فصل 3: بررسي و ارزيابي مطالعات گذشته                            22

3-1 مطالعات آزمايشگاهي                                 23

3-2 گسترش مدلسازي                                  25

فصل 4: پيش­بيني کاهش نفوذپذيري                          29

4-1 مقدمه                                          30

4-2 پيش­بيني کاهش نفوذپذيري در اثر تشکيل رسوب سولفات باريم                30

 با استفاده از شبکه عصبي

4-2-1 داده­هاي مورد استفاده                             30

4-2-2 انتخاب داده­ها                                    31

4-2-3 نرماليزه کردن داده­ها                             33

4-2-4 تعيين توپولوژي شبکه                              34

4-2-5 ارائه شبکه بهينه پيش­بيني کاهش نفوذپذيري در اثر تشکيل          41

 رسوب سولفات باريم

4-2-6 بررسي کارايي شبکه بهينه در برابر داده­هاي جديد             44

4-3 پيش­بيني کاهش نفوذپذيري در اثر تشکيل رسوب­هاي                 46

سولفات کلسيم و استرانسيم با استفاده از شبکه عصبي

4-3-1 داده­هاي مورد استفاده                             46

4-3-2 انتخاب داده­ها                                    47

عنوان                                           صفحه

4-3-3 تعيين توپولوژي شبکه                      48

4-3-4 ارائه شبکه بهينه پيش­بيني کاهش نفوذپذيري در اثر تشکيل               52

 رسوب­هاي سولفات کلسيم و استرانسيم

4-3-5 بررسي کارايي شبکه بهينه با داده­هاي جديد                   54

فصل 5: نتيجه­گيري و پيشنهادها                                57

5-1 نتيجه­گيري                                      58

5-2 پيشنهادها                                      59

منابع                                              60

 

 

فهرست شکل­ها

عنوان                                                صفحه

شکل 1-1- کاهش نفوذپذيري سازند در اثر تشکيل رسوب                        2

شکل 1-2- مکان­هاي احتمالي تشکيل رسوب در عمليات سيلابزني آب                    5

شکل 1-3- وابستگي حلاليت سولفات باريم به دما و فشار                           6

شکل 1-4- وابستگي حلاليت سولفات استرانسيم به دما و شوري آب                    7

شکل 1-5- تأثير دما بر حلاليت رسوبات مختلف                               9

شکل 1-6- تغييرات نسبت نفوذپذيري آسيب ديده (kd) به نفوذپذيري اوليه (ki)               9

در اثر تشکيل رسوبات سولفات کلسيم و سولفات استرانسيم براساس زمان در دماهاي مختلف

شکل 1-7- تغييرات نسبت نفوذپذيري آسيب ديده (kd) به نفوذپذيري اوليه (ki)                 10

 در اثر تشکيل رسوب سولفات باريم براساس زمان در دماهاي مختلف

شکل 1-8- تغييرات نسبت نفوذپذيري آسيب ديده (kd) به نفوذپذيري اوليه (ki)                  11

 در اثر تشکيل رسوبات سولفاته براساس زمان در فشارهاي مختلف

شکل 1-9- تغييرات نسبت نفوذپذيري آسيب ديده (kd) به نفوذپذيري اوليه (ki)                 11

 در اثر تشکيل رسوب سولفات باريم براساس زمان در غلظت­هاي مختلف يون باريم

شکل 1-10- منابع احتمالي تأمين آب براي عمليات تزريق آب در ميادين نفتي                14

شکل 2-1- شماتيکي از نرون مصنوعي i ام                              18

شکل 2-2- شبکه عصبي چند لايه و انواع لايه­ها در آن                        20

شکل2-3- روند يادگيري شبکه در الگوريتم پس­انتشار                        21

شکل 4-1- تغييرات ميانگين کلي درصد انحراف مطلق نفوذپذيري با تغييرتعداد نرون­ها            35

 در لايه مخفي اول

شکل4-2- تغيير ميانگين کلي درصد انحراف مطلق شبکه با تعداد نرون­ها در لايه مخفي دوم         36

شکل 4-3- تغييرات ميانگين کلي درصد انحراف مطلق براي انواع توابع آموزش                40

شکل 4-4- تغييرات ضريب همبستگي براي انواع توابع آموزش                  40

عنوان                                                صفحه

شکل 4-5- روند آموزش شبکه بهينه پيش­بيني کاهش نفوذپذيري                      42

ناشي از رسوب سولفات باريم با تابع آموزش trainbr

شکل 4-6- همبستگي بين نفوذپذيري پيش­بيني شده و مقدار واقعي نفوذپذيري              42

 بعد از عمليات سيلابزني در مرحله آموزش براي شبکه بهينه پيش­بيني کاهش

 نفوذپذيري ناشي از رسوب سولفات باريم

شکل4-7- همبستگي بين مقادير پيش­بيني شده و مقادير واقعي نفوذپذيري                 43

 بعد از عمليات سيلابزني با آب در مرحله آزمايش براي شبکه بهينه پيش­بيني

کاهش نفوذپذيري ناشي از رسوب سولفات باريم

شکل 4-8- مقايسه مقادير نفوذپذيري پيش­بيني شده توسط شبکه عصبي                     43

 و مقادير واقعي نفوذپذيري در مرحله آزمايش براي شبکه بهينه پيش­بيني

کاهش نفوذپذيري ناشي از رسوب سولفات باريم

شکل 4-9- همبستگي بين داده­هاي پيش­بيني شده توسط شبکه عصبي                    44

 و داده­هاي واقعي نفوذپذيري در مرحله اجرا براي شبکه بهينه پيش­بيني

کاهش نفوذپذيري ناشي از رسوب سولفات باريم

شکل 4-10- تغييرات ميانگين کلي درصد انحراف مطلق نفوذپذيري شبکه              49

با تعداد نرون­ها در لايه مخفي اول

شکل 4-11- تغييرات ميانگين کلي درصد انحراف مطلق نفوذپذيري شبکه              50

با تعداد نرون­ها در لايه مخفي دوم

شکل 4-12- تأثير تابع آموزش بر ميانگين کلي درصد انحراف مطلق                      51

شکل 4-13- تأثير تابع آموزش بر ضريب همبستگي بين مقادير پيش­بيني شده               51

توسط شبکه و مقادير واقعي آن

شکل 4-14- روند آموزش شبکه بهينه پيش­بيني کاهش نفوذپذيري ناشي از             52

رسوب­هاي سولفات کلسيم و سولفات استرانسيم با تابع آموزش trainbr

شکل 4-15- همبستگي بين مقادير پيش­بيني شده و مقادير واقعي نفوذپذيري               53

 بعد از عمليات سيلابزني در مرحله آموزش شبکه بهينه پيش­بيني کاهش

نفوذپذيري ناشي از رسوب­هاي سولفات کلسيم و سولفات استرانسيم

عنوان                                                صفحه

شکل 4-16 همبستگي بين مقدار نفوذپذيري پيش­بيني شده و مقدار واقعي آن               53

 در مرحله آزمايش شبکه بهينه پيش­بيني کاهش نفوذپذيري ناشي از

رسوب­هاي سولفات کلسيم و سولفات استرانسيم

شکل 4-17- مقايسه مقادير پيش­بيني شده توسط شبکه بهينه و مقادير واقعي              54

نفوذپذيري در مرحله آزمايش شبکه بهينه پيش­بيني کاهش نفوذپذيري

ناشي از رسوب­هاي سولفات کلسيم و سولفات استرانسيم

شکل 4-18- همبستگي بين مقادير پيش­بيني شده توسط شبکه بهينه و داده­هاي واقعي             56

 نفوذپذيري بعد از عمليات سيلابزني در مرحله اجرا براي شبکه بهينه پيش­بيني کاهش

نفوذپذيري ناشي از رسوب­هاي سولفات کلسيم و سولفات استرانسيم

فهرست جدول­ها

عنوان                                                صفحه

جدول 4-1- ترکيب يوني آب­هاي سازند و آب­هاي درياي تزريقي در آزمايش­هاي         31

سيلابزني سولفات باريم

جدول 4-2- اطلاعات داده­هاي مجموعه آموزش در شبکه پيش­بيني کاهش نفوذپذيري           32

 در اثر تشکيل رسوب سولفات باريم

جدول 4-3- اطلاعات داده­هاي مجموعه آزمايش در شبکه پيش­بيني کاهش نفوذپذيري             32

 در اثر تشکيل رسوب سولفات باريم

جدول 4-4- اطلاعات داده­هاي مربوط به مرحله اجرا براي بررسي کارايي شبکه پيش­بيني          33

 کاهش نفوذپذيري در اثر تشکيل رسوب سولفات باريم

جدول 4-5- مقايسه بين مقادير پيش­بيني شده نفوذپذيري توسط شبکه و مقادير واقعي آن         45

 براي داده­هاي جديد در مرحله اجرا براي شبکه پيش­بيني کاهش نفوذپذيري

 ناشي از رسوب سولفات باريم

جدول 4-6- ترکيب يوني آب­هاي سازند و آب­هاي درياي تزريقي در آزمايش­هاي         46

 سيلابزني سولفات کلسيم و استرانسيم

جدول 4-7- اطلاعات داده­هاي مجموعه آموزش در شبکه پيش­بيني کاهش نفوذپذيري           47

 در اثر تشکيل رسوب­هاي سولفات استرانسيم و کلسيم

جدول 4-8- اطلاعات داده­هاي مجموعه آزمايش در شبکه پيش­بيني کاهش نفوذپذيري             48

 در اثر تشکيل رسوب­هاي سولفات استرانسيم و کلسيم

جدول 4-9- اطلاعات داده­هاي مرحله اجرا در شبکه پيش­بيني کاهش نفوذپذيري              48

 در اثر تشکيل رسوب­هاي سولفات استرانسيم و کلسيم

جدول 4-10- مقايسه بين مقادير پيش­بيني شده نفوذپذيري توسط شبکه و مقادير واقعي آن         55

 براي داده­هاي جديد در مرحله اجرا براي شبکه بهينه پيش­بيني کاهش نفوذپذيري

ناشي از رسوب­هاي سولفات کلسيم و سولفات استرانسيم

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود پروژه: پيش­بيني کاهش نفوذپذيري ناشي از رسوب مواد غيرارگانيکي در سيلابزني آب”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo