استفاده از شبکه های عصبی در پژوهش های نفتی

در مرحله صیانت از مخازن نفتی صنایع بالادستی، آزمایش های پیچیده ای موسوم به PVT برای شناسایی خواص سیالات مخزن انجام می گیرد. وجود مشكلاتی چون خطرات احتمالی، زمان بر بودن، دقیق نبودن نمونه ها و محدودیت های دما و فشار، باعث شده تا استفاده از روش های هوشمند در این حوزه گسترش یابد.

نتایج حاصل نشان می دهد كه استفاده از شبكه عصبی مصنوعی مبتنی بر الگوریتم ژنتیك، برخلاف روش های كلاسیك، در زمان كمتر و با دقت بالایی خواص سیالات مخزن (ضریب حجمی سیال و فشار نقطه حباب) را پیش بینی می کند.

به همین دلیل نیز پژوهشگران ایرانی بی کار ننشسته اند و به تحقیقات ویژه ای در زمینه استفاده از فناوری روز جهان در این زمینه دست زده اند که نتیجه آن، یک مقاله علمی بسیار ویژه بوده است. در این پژوهش به منظور اجتناب از مشكلات مذكور و یافتن رابطه پیچیده و غیرخطی داده های آزمایش های PVT از شبكه عصبی مصنوعی بهره گرفته شده است.

هم چنین به منظور تعیین مقادیر بهینه پارامترهای مدل شبكه عصبی در فرآیند آموزش، از الگوریتم های ژنتیكی استفاده شده است. به منظور ارزیابی رویكرد توسعه یافته نیز از مجموعه داده های چاه های نفتی جنوب ایران بهره گرفته شده است.

یکی از نکات جالب این پژوهش این بوده است که نتایج حاصل نشان می دهد كه استفاده از شبكه عصبی مصنوعی مبتنی بر الگوریتم ژنتیك، برخلاف روش های كلاسیك، در زمان كمتر و با دقت بالایی خواص سیالات مخزن (ضریب حجمی سیال و فشار نقطه حباب) را پیش بینی می کند. در نتیجه، كارشناسان و مدیران صنایع بالادستی مخازن نفتی ایران می توانند از شبكه عصبی پیشنهادی در راستای پیشینی آزمایشهای PVT بهره بگیرند.

منبع: محسن اسلام نژاد، حسین اكبری پور، محمدرضا امین ناصری،1394. توسعه شبكه عصبی مصنوعی مبتنی بر الگوریتم ژنتیك به منظور پیش بینی آزمایش های PVT چاه های نفت در صنایع بالادستی، فصلنامه پژوهش نفت، سال بیست و پنجم، شماره 84.

لینک منبع

No tags for this post.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا