به کارگیری الگوریتم های هوش مصنوعی به منظور پیش بینی نسبت گاز به نفت تولیدی در شرایط یکی از میادین نفتی

داشتن برآورد دقیق و مطمئن از نسبت گاز به نفت تولیدی در چاه های میادین نفتی از نظر اقتصادی بسیار مهم و حیاتی بوده ونقش مهمی در تهیه سناریوهای بهینه تولید، بروزرسانی صحیح مدل مخزنی و به طور کلی مدیریت مخزن دارد. با توجه به هزینهو زمان زیاد اندازه گیری نسبت گاز و نفت براساس داده های جداساز سرچاهی، معمولا از روشهای جایگزین همانند روابط تجربیو معادلات حالت استفاده می گردد. یکی از روشهای جدید در این زمینه استفاده از روشهای هوش مصنوعی مبتنی بر داده به عنوانمدل پیش بینی نسبت گاز به نفت تولیدی بر مبنای ویژگی های مختلف عملیاتی از قبیل دما و فشار است. بدین منظور در اینمطالعه روش های مختلفی هوش مصنوعی شامل روشهای یادگیری ماشین، شبکه های عصبی مصنوعی، منطق فازی و شبکه هایفازی عصبی برای تخمین مقدار نسبت گاز به نفت آزاد شده در شرایط سطح استفاده شد. پس از پردازش اولیه و تعیین پارامترهایتاثیرگذار، پارامترهای مختلفی شامل اندازه چوک، دما و فشار در شرایط سرچاهی، ته چاهی، مخزن و در طول خط لوله تولید بههمراه خواص سیالات مخزن بهعنوان ورودی مدل هوشمند در نظر گرفته شد. مقایسه نتایج حاصل از روشهای مختلف نشان دهندهعملکرد بهتر روشهای تلفیقی، روش پردازش گاوسی و ماشین بردار رگرسیون جهت پیش بینی میزان گاز به نفت تولیدی بود بهطوری که به ترتیب دقت پیش بینی مدلها براساس پارامتر ضریب همبستگی ۰/۹۵۶۷، ۰/۹۵۲۹ و ۰/۹۴۹۴ حاصل شد.