احسان آریان پور - دانشجوی کارشناسی ارشد، گروه مدیریت صنعتی، دانشگاه آزاد اسلامی واحد اراک، اراک
احمدرضا قاسمی - عضو هیات علمی دانشگاه تهران، دانشکده مدیریت، پردیس فارابی قم

پیش بینی میزان تولید میادین و چاه های نفتی دارای اهمیت بسزایی است. مهندسین نفت همواره به دنبال روشی ساده اما مطمئن برای پیش بینی و تخمین میزان تولید نفت برای یک دوره طولانی هستند. این تخمین ها، از یک سو،مهندسین نفت را در تنظیم تعهدات تولید در برنامه های تولید روزانه و یا سالانه یاری می نمایند و از سوی دیگر، به مسئولین اقتصادی کشور در تنظیم بودجه های سالانه و یا برنامه های 5 ساله و بلند مدت یاری می نمایند. روشهای پیشبینی متفاوتی در مورد میزان نفت استخراجی از چاههای نفت مورد استفاده قرار می گیرد، که هر یک دارای مزایا و معایب متفاوتی هستند. بر این اساس در این مقاله از الگوریتم های شبکه عصبی و درخت تصمیم برای پیش بینی میزان نفتتولیدی در 535 حلقه چاه میدان نفتی آزادگان استفاده شده است. مراحل انجام پژوهش بدین صورت است که پس ازتعیین مهمترین معیارها ) 55 معیار( توسط کارشناسان، پایگاه داده پیش بینی تشکیل می گردد که شامل 55 متغیر مستقل و 5 متغیر وابسته )میزان کاهش و یا افزایش طی دوره 3 ساله( می باشد.. با پیاده سازی 4 الگوریتم درخت تصمیمو 4 الگوریتم شبکه عصبی بر روی پایگاه داده دقت هر یک از الگوریتم ها تعیین شد که الگوریتم RANDOM tree دارای بیشترین میزان دقت می باشد.. در نهایت با داده های سال 5333 میزان تغییر تولید نفت در سال 5331 با استفاده از الگوریتم RANDOM TREE مورد پیش بینی قرار گرفت که پیش بینی می گردد میزان تولید نفت طی این دوره 3 ساله حدود 51 درصد افزایش یابد. نتایج این پژوهش می تواند مورد بهره برداری شرکت مناطق نفت خیز جنوب قرار گیرد.

پیش بینی تولید، شبکه عصبی، درخت تصمیم، ارزیابی الگوریتم