کاربرد شبکه ی عصبی مصنوعی در پیشبینی همزمان عملکرد فرآیند ذخیره ی کربن دی اکسید و ازدیاد برداشت نفت

استفاده از گاز CO۲ به منظور ازدیاد برداشت نفت علاوه بر منافع زیست محیطی میتواند با افزایش تولید و ضریب بازیافت مخازن هیدروکربنی همراه شود و منافع اقتصادی قابل توجهی به دنبال داشته باشد. مدلسازی و پیشبینی وضعیت آینده مخزن در پروژه های ازدیاد برداشت نفت از لحاظ فنی و اقتصادی حائز اهمیت بالایی است. سناریو-های مختلفی حین مدلسازی فرآیندهای ازدیاد یرداشت مطرح میشود که ممکن است مدلسازی و شبیه سازی هر یک از این سناریوها مدت زمان زیادی بطلبد. بنابراین کاهش زمان شبیه سازی میتواند به انتخاب بهترین تصمیم برای آینده تولید از مخازن نفتی کمک شایان توجهی کند. در این مقاله با ساخت مدل پایه تزریق CO۲-WAG (Water-Alternating-Gas) و همچنین ایجاد آزمایشهای متعدد بر روی این مدل، یک بانک داده ساخته میشود. با استفاده از بانک داده یک مدل جایگزین هوشمند به منظور پیشبینی سناریوهای مختلف به وسیله شبکه عصبی مصنوعی ایجاد میشود. این مدل جایگزین قابلیت پیشبینی نتایج سناریوهای مختلف تزریق CO۲-WAG را در کمتر از ۵ ثانیه و با دقت بالا داراست که به طور قابل توجهی از زمان شبیه سازی کاسته شده است.