تخمین دقیق پارامترهای چاه آزمایی با استفاده از یک الگوریتم ترکیبی و مقایسه آن با یک نرم افزار رایج صنعتی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PRRIP-29-5_003

تاریخ نمایه سازی: 6 دی 1402

چکیده مقاله:

تراوایی، ضریب پوسته و ضریب ذخیره چاه سه پارامتر اساسی مخزن و چاه هستند. روش معمول برای به دست آوردن مقادیر این پارامترها چاه آزمایی است. در این روش داده های فشاری به دست آمده براساس زمان در منحنی های نیمه لگاریتمی و لگاریتمی رسم شده و با روش ها و فرمول های مشخص این مقادیر محاسبه می شود. در این مطالعه یک روش جدید برای به دست آوردن پارامترهای چاه آزمایی با استفاده از هوش مصنوعی معرفی می شود. ابتدا با استفاده از پارامترهای مربوط به دو چاه واقعی، داده های فشار- زمان به وسیله نرم افزار چاه آزمایی سفیر ۱۰/۴ تولید می شود. چون مقادیر به دست آمده دارای پراکندگی زیاد هستند، داده ها توسط تبدیل موجک دوبیشز نویززدایی شده و تحلیل و بررسی داده ها راحت تر صورت می پذیرد. سپس با ترکیب الگوریتم های ژنتیک و لونبرگ مارکارد پارامترهای اساسی مخزن محاسبه می شوند. در مرحله آخر داده های فشاری در نرم افزار رایج چاه آزمایی سفیر ۱۰/۴ وارد گردیده و مقادیر تراوایی، ضریب پوسته و ضریب ذخیره چاه محاسبه شد. الگوریتم ترکیبی توانست مقادیر تراوایی، ضریب پوسته، ضریب ذخیره چاه و شعاع خارجی را به ترتیب با خطای میانگین ۵۶۵/۱%، ۶۰/۳%، ۰۶/۱% و ۵۵۳/۱% نسبت به نرم افزار چاه آزمایی سفیر ۱۰/۴ محاسبه کند.

نویسندگان

احسان خامه چی

دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران

مهرداد قاسمی

دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران

محمد کاشی

دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران

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 :
  • . Theis C. V., “The relation between the lowering of ...
  • . Muskat M., “Use of data oil the build-up of ...
  • . Van Everdingen A. and Hurst W., “The application of ...
  • . Gringarten A. C., “From straight lines to deconvolution: The ...
  • . Bourdet D., Ayoub J. and Pirard Y., “Use of ...
  • . Tiab D., “Analysis of pressure and pressure derivative without ...
  • . Allain O. F. and Horne R. N., “Use of ...
  • . Al-Kaabl A. A.U., McVay D. A. and Lee J. ...
  • . Stewart G. and Du K. F., “Feature selection and ...
  • . Holland J., “Adaptation in natural and artificial systems,” Univ. ...
  • . Jeirani Z. and Mohebbi A., “Estimating the initial pressure, ...
  • . Soliman M., Ansah J., Stephenson S. and Mandal B., ...
  • . Sahni I. and Horne R. N., “Multiresolution wavelet analysis ...
  • . Mirzaei-Paiaman A., “An empirical correlation governing gas-condensate flow through ...
  • . Mirzaei-Paiaman A. and Salavati S., “A new empirical correlation ...
  • . Shokir E. M., “A novel model for permeability prediction ...
  • . Mirzaei-Paiaman A. and Salavati S., “The application of artificial ...
  • . Abooali D. and Khamehchi E., “Toward predictive models for ...
  • . Miri R., Jorge H. B. Sampaio, Afshar M. and ...
  • . Naderi M. and Khamehchi E., “Application of optimized least ...
  • نمایش کامل مراجع