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 مشکلاتی 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 که استفاده از شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک، برخلاف روش های کلاسیک، در زمان کمتر 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 مشکلات مذکور و یافتن رابطه پیچیده و غیرخطی داده های آزمایش های PVT از شبکه عصبی مصنوعی بهره گرفته شده است.

هم چنین به منظور تعیین مقادیر بهینه پارامترهای مدل شبکه عصبی در فرآیند آموزش، از الگوریتم های ژنتیکی استفاده شده است. به منظور ارزیابی رویکرد 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 که استفاده از شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک، برخلاف روش های کلاسیک، در زمان کمتر و با دقت بالایی خواص سیالات مخزن (ضریب حجمی سیال و فشار نقطه حباب) را پیش بینی می کند. در نتیجه، کارشناسان و مدیران صنایع بالادستی مخازن نفتی ایران می توانند از شبکه عصبی پیشنهادی در راستای پیشینی آزمایشهای PVT بهره بگیرند.

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

لینک منبع