سینا شکوری - دانشجوی ارشد مهندسی نفت ، دانشکده مهندسی شیمی نفت و گاز دانشگاه شیراز
میثم محمدزاده شیرازی - استادیار بخش مهندسی نفت، دانشکده مهندسی شیمی نفت و گاز دانشگاه شیراز

عملیات اسیدکاری یکی از پرکاربردترین و موثرترین تکنیک ها برای حذف آسیب سازند و بهبود نفوذپذیری ناحیه نزدی ک چاهاست. در عملیات اسیدکاری با در مجاورت قرارگرفتن اسید تزریقی و نفت مخزن، ممکن است لجن آسفالتینی به عنوان آسیبناشی از اسیدکاری ایجاد شود که سبب کاهش تولید می گردد؛ بنابراین ارزیابی سازگاری اسید و نفت قبل از هر عملیاتاسیدکاری مورد نیاز است تا هم حساسیت نفت نسبت به اسید و هم دوز بهینه مواد شیمیایی بازدارنده تشکیل لجن تعیینشود. در این پژوهش از یک مدل یادگیری ماشین به نام تقویت گرادیان حداکثری برای تخمین وزن لجن آسفالتینی استفادهشد. برای آموزش و آزمایش مدل یادگیری ماشین یک مجموعه داده شامل ۱۹۹ داده آزمایش تجربی سازگاری اسید و نفت،متعلق به هفت نمونه نفت خام مختلف که طیف وسیعی از مقادیر آنالیز SARA را شامل می شود، جمع آوری شد. نتایج مد لتقویت گرادیان حداکثری توسعه یافته نشان داد که این مدل با ضریب تعیین ۹۳۹۵ / ۰ و خطای جذر میانگین مربعات ۰۱۱۱ / ۰برای داده های آزمایشی توانایی پیش بینی تشکیل لجن آسفالتینی را دارد. علاوه بر این تجزیه وتحلیل گرافیکی با استفاده ازCross plot انجام شد که نتایج این نمودار نشان داد مدل پیشنهادی از قابلیت اطمینان بالایی برخوردار است. نتایج اینپژوهش نشان داد که با به کارگیری مدل یادگیری ماشین میتوان با تخمین تشکیل لجن آسفالتینی از پیامدهای نامطلوب آنجلوگیری نمود.

یادگیری ماشین، لجن آسفالتینی، آسیب سازند، اسیدکاری، تقویت گرادیان حداکثری