بررسی عملکرد شبکه های عصبی مصنوعی (ANN) در انتخاب هوشمند روش های ازدیاد برداشت نفت

از آنجایی که در حال حاضر بیشتر میادین بزرگ نفتی کشور در نیمه دوم عمر تولیدی خود هستند و میزان تولید مخازن آنها با گذر زمان رو به کاهش است، اهمیت اجرای روش های ازدیاد برداشت نفت با هدف حفظ میزان تولید این میادین کاملا روشن است. در این میان، بحث غربالگری روش های ازدیاد برداشت نفت به منظور انتخاب روش بهینه که مناسب شرایط خاص هر مخزن باشد در سالیان اخیر مورد توجه بسیار قرار گرفته است. هدف تحقیق حاضر آن است که با استفاده از شبکه های عصبی مصنوعی و با تکیه بر داده های تجربیات موفقیت آمیز اجرای روش های ازدیاد برداشت در سراسر جهان طی سالیان گذشته، مدلی طراحی گردد که بتواند با توجه به خصوصیات هر مخزن، بهترین روش ازدیاد برداشت را پیشنهاد کند. به همین منظور، پس از تبیین مفهوم ازدیاد برداشت و سیستم های هوشمند مبتنی بر شبکه های عصبی، با مرور تحقیقات گذشته، مهم ترین پارامترهای تاثیرگذار برای مدلسازی، تعیین گردیده و سپس مدل مناسب طراحی شده است. بدین صورت که از میان سه دسته کلی روش های ازدیاد برداشت (شیمیایی، تزریق گاز و گرمایی)، 6 روش ازدیاد برداشت و 7 پارامتر مخزن شامل اشباع نفت اولیه، تخلخل، نفوذپذیری، ویسکوزیته، درجه API، دما و عمق مخزن مدنظر قرار گرفته اند. سپس به کمک شبکه های عصبی، مدلی طراحی شده است که می تواند با کمک 7 پارامتر ورودی، روش بهینه ازدیاد برداشت برای هر مخزن با خصوصیات مشخص را حدس بزند. نتایج نشان میدهد مدل طراحی شده در 253 مورد از 275 مورد مطالعه به صورت موفق عمل کرده است.

کلیدواژه ها:

غربالگری ، شبکه های عصبی مصنوعی ، ازدیاد برداشت ، هوش مصنوعی