مدل سازی داده های سهم جریان سیالات ورودی از لایه های مختلف مخزن ناهمگن با استفاده از الگوریتم شبکه های عصبی یادگیری عمیق

تشخیص میزان تولیدی سیالات مختلف از لایه های مختلف مخازن در برنامه ریزی رویکرد مناسب برای توسعه مخزن بسیار مهماست. از روش های متداول در تحلیل جریان لایه های تولیدی و تعیین نقش هر لایه در میزان تول ید هر چاه بکارگیری تستجریانی چاه (PLT) است. جریان سیالات ورودی از طریق لایه های مختلف با در نظر گرفتن داده های واقعی یک چاه مورد ارزیابی قرار گرفته می شود. به طور خاص با استفاده از مدل های جریان دوفازی و مدل دمایی و روابط مناسب برای خواص سیالو درنظر گرفتن الگوریتم بهینه سازی و معکوس سازی نتایج ارزیابی دبی ها صورت می گیرد. رویکرد دیگر در ارزیابی و بدستآوردن دبی سیالات در هر عمق، می تواند به کاربردن الگوریتم شبکه های عصبی یادگیری عمیق باشد که در این پروژه استفادهشده و با استفاده از ۴ پارامتر اندازه گیری شده از لاگ ها، دبی سیالات نفت آب و گاز بصورت تفکیک شده در هر عمق، تخمینزده می شود. در نهایت کارایی مدل با خروجی نرم افزار Emeraude مقایسه شده است که بصورت کلی برای مدل ساخته شده میانگین درصدی خطای مطلق، برای داده های آموزشی ۳/۴۱۴۴ درصد و برای داده های آزمایشی ۳/۸۲۰۳ درصد می باشد.