استفاده از یادگیری ماشین به منظور مکانیابی بهینه چاه در مخزن
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی هوش مصنوعی، علم داده و تحول دیجیتال در صنعت نفت و گاز
- کد COI اختصاصی: OILANDGAS01_014
- زبان مقاله: فارسی
- تعداد مشاهده: 421
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس
دانشیار دانشکده شیمی، دانشگاه تربیت مدرس
دانشیار دانشکده شیمی، دانشگاه تربیت مدرس
چکیده
هزینه حفاری در جستجو برای نفت و گاز در میدان ها با ناهمگنی زیاد، بسیار بالا است. درنتیجه جامعه مهندسی نفت به دنبالراه حل های ابتکاری برای به حداکثر رساندن بازیافت نفت در پایان تکمیل چاه هستند. یکی از راههای به حداکثر رساندن تولیدنفت و گاز، مکان یابی صحیح چاه است. در این مطالعه، به کمک شبیه ساز مخزن، دی اکسید کربن با الگو پنج نقطه معکوس بهیک مخزن همگن تزریق شد تا بازیافت نفت را بهبود بخشد. در این سناریو، پارامترهای متفاوتی همچون مکان چاه تزریقی،فاصله چاه ها تولیدی و تزریقی، زاویه بین آنها و درنهایت نرخ تولید و نرخ تزریق تغییر پیدا کرد تا بتوان تغییر تابع هدف این مطالعه یعنی ارزش فعلی خالص را بررسی نمود. سپس با استفاده از دو الگوریتم یادگیری ماشین یعنی LightGBM و XGBoost مدل جایگزینی ساخته شد تا بتوان تخمینی از بهترین مکان چاه بر اساس تابع هدف داشت. درنهایت پس از مقایسه این دو الگوریتم ها، هردو آنها نتایج خوبی از خود نشان داده اند و R۲ برابر ۰.۹۴ داشتند؛ و ازنظر خطا نیز الگوریتم XGBoost خطای بیشتری در محاسبه تابع هدف داشت. ازنظر مجموع زمان آموزش و آزمودن، الگوریتم LightGBM سریع تر عمل نمودکلیدواژه ها
هوش مصنوعی، یادگیری ماشین، مکانیابی چاه، ازدیاد برداشت توسط دیاکسید کربن، مدل جایگزین مدل سازیمخزنمقالات مرتبط جدید
- یکپارچه سازی توصیف و مدیریت مخزن در توسعه راهبردهای ازدیاد برداشت نفت
- وارون سازی داده های سونداژ الکتریکی قائم با استفاده از شبکه عصبی همامیختی-خودرمزگذار
- وارون سازی لرزه ای زمین آماری با مدل های پیوستگی فضایی محلی تطبیق پذیر
- مقدمه ای بر معرفی نرم افزار پردازش داده های لرزه ای SEPAR
- مقایسه شبکه اندازه گیری گرانی در منطقه اسفراین با شبکه حاصل از آنالیز فرکتال
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.