مروری بر کاربرد روش های یادگیری ماشین در تخمین آسیب سازند ناشی ازفرایندهای مختلف در تولید نفت و گاز

در چند دهه گذشته، هوش مصنوعی و یادگیری ماشین به عنوان مسیری نوظهور در صنعت نفت و گاز توجه زیادی را به خودجلب کرده است. در این صنعت، حجم نسبتا زیادی از داده ها با استفاده از ابزارهای مدرن و فناوری های پیشرفته تولید می شودو سیستم های هوشمند تکنیک قابل اجرا با توانایی تجزیه وتحلیل این داده ها در کمترین زمان ممکن و باقدرت تصمیم گیریبالا هستند. از سوی دیگر همواره ضمن انجام فرایندهای مختلف در صنعت بالادستی تولید نفت و گاز، ایجاد آسیب به سازندناحیه اطراف چاه و کاهش نفوذپذیری آن محتمل است. پیش بینی و تخمین آسیب سازند در فرا یندهای مختلف همچونحفاری چاه، تعمیر و تکمیل چاه، اسیدکاری، ازدیاد برداشت و ... با روش های معمول فرایندی دشوار و هزینه بر است. در اینمقاله به مروری بر کاربرد روش های یادگیری ماشین در تخمین آسیب سازندی پرداخته شده است. پژوهش های انجام شدهنشان داده است که با به کارگیری روش های هوش مصنوعی و یادگیری ماشین میتوان ا ز هزینه زیاد آزمایش های تجربیجلوگیری نمود و در مواردی که زمان لازم برای اجرای آزمایش های تجربی وجود ندارد میتوان با استفاده از این تکنیک هایک تخمین مناسب از آسیب سازند به دست آورد. با بهره گیری از این مزیت ها میتوان قبل از وقوع آسیب سازند، از فرایندهاییکه سبب تشکیل آسیب سازند می شوند جلوگیری کرد

کلیدواژه ها:

یادگیری ماشین ، هوش مصنوعی ، آسیب سازند ، نفوذپذیری ، شبکه عصبی مصنوعی