کاربرد هوش مصنوعی در تفسیر دادههای چاه آزمایی
Publish place: The 1st National Conference for Technology Development in Oil, Gas & Petrochemical Industries
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,672
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TOIL01_174
تاریخ نمایه سازی: 4 اسفند 1389
Abstract:
یکی از روشهای رایج برای شناسایی پارامترهای چاه و مخزن درمهندسی نفت چاه ازمایی می باشد این روش مبتنی بر اندازه گیری فشار درون چاهی برحسب زمان در شرایط تولید متفاوت و رسم این داده ها در نمودارهای متفاوت فشار - زمان و شناسایی پارامترها و خصوصیات مخزن می باشد در گذشته این کار توسط انسان و به وسیله ی روش منطبق سازی برمنحنی Type Curve Matching انجام می شد اما امروزه با رشد روزافزون نرم افزارهای رایانه ای و پیشرفتهای چشمگیر در اندازه گیری فشارداخل چاه با استفاده از فشارسنجهای دائمی که داخل چاه نصب می شوند مقادیر زیادی داده ی فشار روزانه به دست می اید این تحقیق شیوه اجرایی برای مکانیزه کردن تفسیر این مقدار داده ی حجیم چاه ازمایی را ارائه میدهد در ابتدا بایستی تمامی مشخصه های نمودار مشتق فشار شناسایی شود این عمل توسط یک شبکه عصبی مصنوعی که با نرم افزار MATLAB پیاده سازی شده است انجام می گردد. درم رحله دوم سیگنالهای مربوط به شبکه عصبی به رژیم های جریان مخزن ترجمه شده و تخمین اولیه ی پارامترهای مخزن محاسبه می شود. درمرحله سوم با استفاده از روش تطابق و مقایسه بین مدلهای مخزن کاندیدا شده بهترین مدل انتخاب و با رگرسیون غیرخطی براساس تخمین اولیه ای که از شبکه ی عصبی بدست امده پارامترهای مخزن تعیین می شوند. درنهایت این برنامه با نرم افزارهای رایج در زمینه ی چاه ازمایی مقایسه شده و نتایج به دست امده بررسی می گردد.
Keywords:
Authors
مهدی سلیم مهر
کارشناس ارشد مهندس مخزن شرکت پتروپارس
محسن مسیحی
استادیار دانشکده مهندسی شیمی و نفت دانشگاه صنعتی شریف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :