ارائه یک مدل هوشمند جهت پیش بینی اشباع آب در یک مخزن کربناته گاز یبا ترکیب روش های ۱D-CNN و XGBoost
Publish place: The first international conference on artificial intelligence, data science and digital transformation in the oil and gas industry
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 135
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
OILANDGAS01_034
تاریخ نمایه سازی: 4 شهریور 1402
Abstract:
در مطالعات مخازن هیدروکربنی، تعیین دقیق اشباع سیالات مختلف در سنگ مخزن همواره با چالش های متعددی روبرو است.بطور ویژه در مخازن کربناته، روش های معمول محاسبه اشباع آب با استفاده از نگارهای متداول چاه بر مبنای رابطه آرچی ومعادلات مشتق شده از آن معمولا دارای خطا می باشد. در این پژوهش، هدف ارائه یک مدل هوشمند جهت تعیین دقیق تراشباع آب در یک مخزن کربناته گازی واقع در جنوب ایران می باشد که بر مبنای مطالعات پیشین خطای روشهای متداولمحاسبه اشباع آب در آن به اثبات رسیده است. بدین منظور، اطلاعات و داده های چاه نگاری ۳ چاه از این مخزن کربناتهمورد استفاده قرار گرفته است که با طراحی مناسب یک شبکه عصبی یادگیری عمیق ۱D-CNN و سپس یک الگوریتمیادگیری ماشین XGBoost ، اشباع آب مخزن به صورت پیوسته محاسبه می گردد . با تقسیم دادههای این ۳ چاه به دو دستهآموزش و تست، ساخت مدل و سپس ارزیابی عملکرد آن، نتایج به دست آمده دقت بسیار بالاتر مدل طراحی شده درپیش بینی اشباع آب مخزن نسبت به روش های متداول از قبیل رابطه آرچی را نشان می دهد. دقت اندازه گیری برای مدل درآموزش MAE=۰.۰۰۹,RMSE=۰.۰۱۹,R۲=۰.۹۹همچنین دقت بدست آمده برای مجموعه داده های تستRMSE=۰.۰۶۹۸,R۲=۰.۹۵۹,𝑅MAE=۰.۰۵۳یانگر کارایی مناسب مدل هوشمند طراحی شده می باشد
Keywords:
Authors
علی گوهری نژاد
دانشجوی کارشناسی ارشد، انستیتو مهندسی نفت، دانشکده مهندسی شیمی؛ دانشکدگان فنی، دانشگاه تهران
محمد امامی نیری
استادیار، انستیتو مهندس ی نفت، دانشکده مهندسی شیمی؛ دانشکدگان فنی، دانشگاه تهران