این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۳۳، شماره ۱۴۰۲-۵، صفحات ۵۱-۶۲
عنوان فارسی غربال‌گری روش‌های ازدیادبرداشت از مخازن نفتی با استفاده از تلفیق روش‌های هوش‌مصنوعی
چکیده فارسی مقاله تصمیم‌گیری در انتخاب یک یا چند روش ازدیادبرداشتی از میان روش‌های مختلف، یکی از مراحل حیاتی در فرآیند توسعه میادین نفتی به‌شمار می‌رود. انتخاب درست روش افزایش‌برداشت نقش کلیدی در موفقیت فنی و اقتصادی پروژه‌های کلان در صنعت نفت دارد. معمولاً برای غربال‌گری و اتخاذ تصمیم مناسب در خصوص تعیین روش‌های کاندیدای پیاده‌سازی افزایش‌برداشت یک مخزن از پارامترهای متعددی همچون، میزان ظرفیت ذخیره مخزن، قابلیت انتقال و عبوردهی سیال، عمق مخزن، ضخامت لایه نفتی، دمای مخزن و گرانروی نفت تأثیرگذار می‌باشند. هدف و رویکرد اصلی این پژوهش، تلفیق روش‌های هوش مصنوعی شامل: 1- سیستم‌های منطق فازی (مبتنی بر دانش انسانی) و 2- شبکه عصبی مصنوعی (داده محور) به‌عنوان یک ابزار و راه‌کار مناسب در کاهش عدم قطعیت و غربال‌گری روش‌های ازدیادبرداشتی استفاده کرد.
در این مطالعه از داده‌های تاریخچه ازدیاد برداشت مخازن مختلف در سطح دنیا برای تعریف مجموعه‌های فازی و تعیین قوانین فازی بین متغیرهای ورودی و خروجی استفاده و در نهایت یک مدل فازی ارائه گردید. با توجه به عدم توازن در فراوانی و تعداد برچسب برخی از کلاس‌ها، طراحی آزمایش و روش سطح پاسخ به‌عنوان یک راه‌کار برای آماده‌سازی داده‌های ورودی برای مدل شبکه عصبی تک لایه استفاده گردید. مدل شبکه عصبی پیش خور با معماری 20 نرون، تابع فعال‌سازی سیگموئیدی در لایه مخفی و عملکرد مدل با ضریب همبستگی 95 و 92% به‌ترتیب برای داده آموزش و صحت‌سنجی، برای تعیین و غربال‌گری روش‌های ازدیادبرداشت میادین نفتی استفاده گردید. در نهایت با استفاده از استراتژی الویت‌بندی و تلفیق نتایج روش‌های مختلف، الویت کاندیدهای مناسب ازدیادبرداشت تعیین گردید.
کلیدواژه‌های فارسی مقاله غربال‌گری، ازدیادبرداشت، هوش مصنوعی، منطق‌فازی، طراحی آزمایش،
عنوان انگلیسی Using an Ensembled Artificial Intelligence Approach for EOR Methods Screening in Oil Fields
چکیده انگلیسی مقاله Decision-making to choose the best Enhanced Oil Recovery (EOR) method(s) among different variety of models, is a vital step in the oil reservoir development process. Selecting the proper EOR method has a key role in the technical and economic success of enormous oil industry projects. Screening criteria are used for selecting the best EOR method(s) for an oil reservoir with specific rock and fluid properties. The main input parameters that affect the screening process include; Reservoir capacity, fluid transmissibility and permeability, depth, net thickness, temperature, and oil gravity (API). Considering mentioned parameters have uncertainty, specifying a suitable EOR method for reservoir development is a radical challenge. It can be used combination of fuzzy logic systems (knowledge base) and artificial neural networks (data-driven) as a suitable tool and solution for expressing uncertainty and screening methods. In this study, data from the history of different reservoirs worldwide is used to define fuzzy variables and determine fuzzy rules between input and target variables, and finally, a fuzzy model and a single-layer neural network with 20 neurons are presented. ANN model provides 92% accuracy in the prediction of the target method. Consequently, we proposed the ensemble model for the selection of the EOR screening tool.
کلیدواژه‌های انگلیسی مقاله غربال‌گری, ازدیادبرداشت, هوش مصنوعی, منطق‌فازی, طراحی آزمایش
نویسندگان مقاله حسین خیرالهی |
گروه مهندسی نفت، دانشگاه سهند، تبریز، ایران

میثم زایدی |
گروه مهندسی نفت، دانشگاه سهند، تبریز، ایران

صدرالدین سبحانی |
گروه مهندسی نفت، دانشگاه سهند، تبریز، ایران

محمد چهاردولی |
گروه مهندسی نفت، دانشگاه سهند، تبریز، ایران

محمد سیم جو |
گروه مهندسی نفت، دانشگاه سهند، تبریز، ایران

نشانی اینترنتی https://pr.ripi.ir/article_1370_e1ca25df91248f2368655a09b15ae91b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات