پایان نامه کارشناسی ارشد در رشته مهندسی شیمی (گرایش مهندسی گاز)
کاربرد شبکه های عصبی مصنوعی برای تشخیص مدل چاه های افقی در مخازن نفتی با استفاده از داده های چاه آزمایی
استاد راهنما:
دکتر رضا اسلاملوئیان
چکیده
در سالهای اخیر، چاههای افقی زیادی در اطراف جهان حفر شدهاست. دلیل عمدهی آن توانایی افزایش سطح مخزن در تماس با چاه است که باعث افزایش بهره بری از چاه میشود. از چاهآزمایی برای شناخت مدلهای مخازن هیدروکربوری و تشخیص پارامترهای مربوط به آنها استفاده میشود. چاهآزمایی بر مبنای ایجاد اختلال در جریان و ثبت فشار ته چاه ناشی از آن رفتار میکند. این تکنیک دادههای مورد نیاز برای آنالیز عددی پارامترهای مخزن را فراهم میکند. روش چاه آزمایی شامل دو مرحله میشود: 1) طبقهبندی مدل مخزن 2) تخمین پارامترها. شناسایی مدلهای چاه افقی و تعیین پارامترهای مدلهای آنها در مقایسه با چاه عمودی بسیار پیچیده تر میباشد. تعیین مدل مخزن از نمودارهای مشتق فشار، یکی از مراحل مهم و پایهای در تخمین پارامترهای مخزن از طریق آنالیز دادههای چاهآزمائی میباشد. در این مطالعه از شبکههای عصبی مصنوعی، برای شناسائی مدل مخازن نفتی از طریق نمودارهای مشتق فشار استفاده شدهاست. شبکههای عصبی مصنوعی، مدلهای ریاضی هستند که دارای توانایی منحصر به فرد در تخمین پارامتر و شناسایی الگو و … هستند. هشت مدل مختلف چاه افقی از مخازن نفتی که مخازن همگن و تخلخل دوگانه با مرزهای مختلف را شامل میشود، مورد بررسی قرار گرفته است. شبکهی عصبی پیشرو توسط دادههای مشتق فشاری که بهوسیلهی شبیهسازی با نرمافزار PANSYSTEM تولید شدهاند، آموزش داده شده است. عملکرد شبکهی پرسپترون به وسیلهی متوسط خطاهای نسبی و مجذور میانگین مربعات خطا بررسی میشود. توانایی شبکهی طراحیشده از طریق دادههای دارای نویز مورد بررسی قرار گرفتهاست. دقت شبکه بهوسیلهی تعدادی پارامتر آماری مانند حساسیت و دقت دستهبندی کلی آورده شده و دقت کلی شبکهی پیشرو 05/97 میباشند.