کاربرد هوش مصنوعی در مهندسی مخزن

مهندسی مخازن یک رشته میان رشته ای است که مکانیک ، زمین شناسی ، فیزیک ، ریاضیات و کامپیوتر را به عنوان ابزار تحقیقاتی برای بازیابی اقتصادی منابع هیدروکربنی در سازندهای زیرزمینی ادغام می کند. مدل سازی و برآورد چنین سیستم های چندفیزیکی و چند مقیاسی با ابزارهای شبیه سازی تحلیلی یا عددی مرسوم، ناگزیر با چالش های جدی مواجه می شود و چندین منبع عدم قطعیت را معرفی می کند علاوه بر این ، بررسی رفتارهای مخزن معمولا شامل مسائل معکوس بسیار غیرقابل حلی است که معمولا چند راه حل دارند و به نظریه های پیچیده تر و الگوریتم های پیچیدهتری نیاز دارند. در دهه های اخیر، تعداد زیادی ابزار مبتنی بر حسگر در این زمینه ها برای جمع آوری خودکار مقادیر قابل توجهی از دادهها در هر روز استفاده می شوند. کشف کامل اطلاعات زیربنای چنین داده های ارزشمندی برای حل تنگناها امکان پذیر است . اینجاست که یادگیری ماشین (ML) وارد عمل می شود. ML سیستم را قادر می سازد تا به طور خودکار از اطلاعات قبلی بدون برنامه ریزی صریح یاد بگیرد و بهبود یابد ]۳[، که به طور گسترده برای استخراج تعامل چند عاملی بسیار غیرخطی بین ورودی ها و خروجی های متعدد (به عنوان مثال، رگرسیون)، تشخیص الگو، بینایی کامپیوتری ( (CV، پردازش زبان طبیعی (NLP) و کشف معادلات دیفرانسیل جزئی حاکم ، و غیره. در واقع ، الگوریتم های پیشرفته ML حتی در برخی از وظایف خاص، مانند AlphaGo در بازی ، به عملکردی فراتر از سطح انسانی دست یافته اند. و شبکه های باقیمانده (ResNets) در تشخیص تصویر. با بهبود معماری محاسباتی ، ML همچنین می تواند به طور موثر اطلاعات اساسی را از داده های دنیای واقعی جمع آوری شده در کاربردهای صنعت نفت استخراج کند، هدف از مقاله حاضر کاربرد هوش مصنوعی در مهندسی مخزن می باشد.

کلیدواژه ها:

هوش مصنوعی ، مهندسی مخزن ، شبکه عصبی ، دقت ، نفوذپذیری