استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت تخمین فشار نقطه حباب در یکی از مخازن نفتی جنوب غرب ایران
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EKTESHAF-1398-171_003
تاریخ نمایه سازی: 27 اردیبهشت 1402
چکیده مقاله:
هدف این پژوهش، استفاده از توانایی «هوش مصنوعی» جهت تخمین خواص سیالات مخزن، نسبت به روش های تجربی است که از کارایی پایین تری برخوردارند. لذا پس از جمع آوری و سازماندهی داده های مربوط به «فشار-حجم-دما» برای ۳۶ نمونه آزمایش که در طی ۵۶ سال تولید از مخزن انجام گرفته بود، جهت پیشبینی فشار نقطه حباب، یک بار از «شبکه عصبی مصنوعی» و بار دیگر تلفیقی از شبکه عصبی مصنوعی و «الگوریتم ژنتیک» استفاده گردید. از آنجا که «فشار نقطه ی حباب» تابعی از «وزن مخصوص گاز»، «چگالی نفت»، «دمای مخزن» و «نسبت گاز و نفت» است، لذا این مقادیر به عنوان داده های لایه ی ورودی استفاده گردید. شبکه ی مذکور به صورت تک خروجی طراحی و اجرا گردید. نتایج حاصل نشان میدهند که شبکههای عصبی نسبت به روابط تجربی که براساس داده های محلی خاص مناطق مختلف به دست آمده اند از دقت بسیار بیشتری برای تخمین خواص سیالات مخزن برخوردارند. ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک، سرعت هم گرایی و پایداری شبکه عصبی مصنوعی به مدل دقیق را افزایش میدهد. شبکه ی عصبی مصنوعی طراحی شده، میانگین انحراف خطای حدود ۶/۱ %را نشان می دهد.
کلیدواژه ها:
نویسندگان
محمد برجسته
شرکت ملی نفت مناطق نفتخیز جنوب
سیدعلیرضا طباطبائی نژاد
دانشگاه صنعتی سهند تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :