تخمین ویسکوزیته نفت خام با استفاده از شبکه عصبی مصنوعی

اطلاعات کامل یس و دو میدان نفتی ایران جمع آوری گردید. این اطلاعات مورد ارزیابی و بررسی قرار گرفت که محدوده این داده ها در دمای بین ۲۰۰ الی ۲۶۰ درجه فارنهایت و با فشار بسیار وسیع بین ۱۷/۷ الی ۳۶۱۷/۱۷psi می باشد. در ادامه میزان دقت روابط با نمونه های در دسترس اندازه گیری شده و بهترین معادلات از میان آنها معرفی شد. معادله لابدی با خطای ۱۰/۸ درصد بهترین معادله برای پیش بینی ویسکوزیته نفت اشباع و معادله آل شارکوی و همکاران با خطای ۴/۶ درصد بهترین معادله برای پیش بینی ویسکوزیته نفت زیراشباع معرفی گردید. در این پژوهش از شبکه عصبی برای مدل سازی ویسکوزیته استفاده شده است. در این شبکه از هفت پارامتر دما، فشار، وزن مولکولی، ضریب تراکم پذیری، وزن مخصوص، نسبت گاز به نفت و ضریب حجمی نفت به عنوان ورودی استفاده شد. کدنویسی این شبکه به زبان ++C انجام شده است و از ۶۰% داده ها برای آموزش شبکه، ۲۰% به منظور راستی آزمایی و ۲۰% نیز برای آزمایش شبکه استفاده شد. این شبکه با به کارگیری توپوگرافی های مختلف پردازش گردید و در نهایت با استفاده از توپوگرافی بهینه که (۱، ۷، ۷) بود آنالیز حساسیت انجام شد. میزان خطا در هر سه مرحله ی آموزش، اعتبار سنجی وآزمایش شبکه به ۰% رسید، پس از محاسبه ی ویسکوزیته توسط این شبکه مشخص شد که در فشارهای مختلف و دمای ۲۰۰ درجه فارنهایت در یک GOR ثابت با افزایش وزن مولکولی تا حدود ۱۵۰%، ویسکوزیته نفت تقریبا ۲۰% افزایش یافته است. همچنین در فشارهای مختلف و در دمای ۲۰۰ درجه فارنهایت و یک GOR ثابت با افزایش وزن مخصوص تا حدود ۱۴۳% میزان ویسکوزیته نفت تقریبا بین ۱ تا ۲/۵% کاهش یافته است. در فشارهای مختلف با افزایش دما از ۲۰۰ تا ۲۳۰ درجه فارنهایت در یک GOR ثابت با افزایش فاکتور فشردگی به میزان ۱۸/۸% مقدار ویسکوزیته نفت تقریبا بین ۰/۷ تا ۲/۸% کاهش یافته است.

کلیدواژه ها:

ویسکوزیته نفت خام ، نفت اشباع ، نفت زیر اشباع ، شبکه عصبی مصنوعی ، توپوگرافی