کاربرد شبکه هاي عصبي مصنوعي براي تشخيص مدل چاه هاي افقي در مخازن نفتي با استفاده از داده هاي چاه آزمايي

تعداد129 صفحه در فایل word

كارشناسي ارشد در رشته مهندسي شيمي (گرايش مهندسی گاز)

کاربرد شبکه هاي عصبي مصنوعي براي تشخيص مدل چاه هاي افقي در مخازن نفتي با استفاده از داده هاي چاه آزمايي

در سالهای اخیر، چاه­های افقی زیادی در اطراف جهان حفر شده­است. دلیل عمده­ی آن توانایی افزایش سطح مخزن در تماس با چاه است که باعث افزایش بهره بری از چاه می­شود. از چاه­آزمایی برای شناخت مدل­های مخازن هیدروکربوری و تشخیص پارامترهای مربوط به آن­ها استفاده می­شود. چاه­آزمایی بر مبنای ایجاد اختلال در جریان و ثبت فشار ته چاه ناشی از آن رفتار می­کند. این تکنیک داده­های مورد نیاز برای آنالیز عددی پارامترهای مخزن را فراهم می­کند. روش چاه آزمایی شامل دو مرحله می­شود: 1) طبقه­بندی مدل مخزن 2) تخمین پارامترها. شناسایی مدل­های چاه افقی و تعیین پارامترهای مدل­های آنها در مقایسه با چاه عمودی بسیار پیچیده تر می­باشد. تعيين مدل‌ مخزن از نمودارهاي مشتق فشار، يکي از مراحل مهم و پايه‌اي در تخمين پارامترهاي مخزن از طريق آناليز داده‌هاي چاه‌آزمائي مي‌باشد. در اين مطالعه از شبکه‌هاي عصبي مصنوعي، براي شناسائي مدل مخازن نفتي از طريق نمودارهاي مشتق فشار استفاده شده‌است. شبکه‌هايعصبي مصنوعي، مدل‌هاي رياضي هستند کهداراي توانايي منحصر به فرد در تخمين پارامتر و شناسايي الگو و … هستند.هشت مدل مختلف چاه افقی از مخازن نفتي  که مخازن همگن و تخلخل دو‌گانه با مرز‌هاي مختلف را شامل مي‌شود، مورد بررسي قرار گرفته است. شبکه‌ي عصبي پيشرو توسط داده‌هاي مشتق فشاري که به‌وسيله‌ي شبيه‌سازي با نرم‌افزار PANSYSTEMتوليد شده‌اند، آموزش داده‌ شده‌ است.عملکرد شبکه­ی پرسپترون به­ وسیله­ی متوسط خطاهاي نسبي و مجذور ميانگين مربعات خطا بررسی می­شود. توانايي شبکه‌ي طراحي‌شده از طريق داده‌هاي داراي نويز مورد بررسي قرار گرفته‌است. دقت شبکه‌ به‌وسيله‌ي تعدادي پارامتر آماري مانند حساسيت و دقت دسته‌بندي کلي آورده شده و دقت کلی شبکه‌ي پيشرو 05/97 مي‌باشند.

کلمات کلیدی: چاه افقی ، شبکه عصبی مصنوعی ، شناسایی مدل مخزن­، چاه ­آزمایی