عملکرد شبکه عصبی چندلایه پرسپترون در تخمین حداقل فشارامتزاجی گاز دی اکسید کربن در مقایسه با روش های مرسوم

فرآیند تزریق گاز به عنوان یکی از مهم ترین روش های ازدیاد برداشت از مخازن نفتی به صورت امتزاجی مطرح است. بهدلیل ماهیت تماس چندگانه گاز دی اکسیدکربن با فاز نفت برای امتزاج، تعیین مقدار حداقل فشار تماس چندگانه دقیقبه عنوان یکی از شرایط عملیاتی، همواره چالش برانگیز بوده است. روش های متفاوت آزمایشگاهی و نظری برای تعیین ومحاسبه حداقل فشار امتزاجی ارائه شده است، اما با توجه به هزینه بر بودن روش های آزمایشگاهی، تحقیق در موردروش های نظری برای محاسبه این پارامتر ادامه دارد. در این مطالعه، از داده های برگرفته از مطالعات پیشین در رابطه باحداقل فشار امتزاجی MMP استفاده گردیده است. پس از آن عملکرد روش های مرسوم نظیر گلاسو، جانز و اور و نیزروش یلینگ و متکالف و الگوریتم شبکه عصبی مصنوعی چندلایه پرسپترون در تخمین MMP مورد ارزیابی قرارگرفته اند. از پارامتر آماری ضریب همبستگی و میانگین خطای نسبی جهت ارزیابی عملکرد روش های مذکور استفادهشده است. نتایج نشان می دهد، در میان روش های مرسوم روش گلاسو با دقت r۲=۰.۸۷۴۹ بهترین روش در تخمینمی باشد. این درحالی است که دقت روش شبکه عصبی مصنوعی برابر R۲=۰.۹۴۹۵ می باشد. نتایج نشانمی دهد که روش شبکه عصبی مصنوعی نسبت به روشهای مرسوم قابل اعتمادتر و دقیق تر است.

کلیدواژه ها:

تزریق گاز ، حداقل فشار امتزاجی ، گاز دی اکسیدکربن ، شبکه عصبی مصنوعی