مدیریت مقالات

یکی از روش‌های رایج برای شناسایی پارامترهای چاه و مخزن در مهندسی نفت، چاه آزمایی می‌باشد. این روش مبتنی بر اندازه‌گیری فشار درون‌چاهی برحسب زمان در شرایط تولید متفاوت و رسم این داده‌ها در نمودارهای متفاوت فشار-زمان و شناسایی پارامترها و خصوصیات مخزن می‌باشد. درگذشته ‌این کار توسط انسان و به‌وسیله‌ی روش منطبق سازی بر منحنی (Type Curve Matching) انجام می‌شد؛ اما امروزه با رشد روزافزون نرم‌افزارهای رایانه‌ای و پیشرفت‌های چشمگیر در اندازه‌گیری فشار داخل چاه با استفاده از فشارسنج‌های دائمی که داخل چاه نصب می‌شوند؛ مقادیر زیادی داده‌ی فشار روزانه به دست می‌آید. این تحقیق شیوه اجرایی را برای مکانیزه کردن تفسیر این مقدار داده‌ی حجیم چاه آزمایی را ارائه می‌دهد. در ابتدا بایستی تمامی مشخصه‌های نمودار مشتق فشار شناسایی شود. این عمل توسط یک شبکه‌ی عصبی مصنوعی که با نرم‌افزار MATLAB پیاده‌سازی شده است انجام می‌گردد. در مرحله‌ی دوم،سیگنال‌های مربوط به شبکه‌ی عصبی به رژیم‌های جریان مخزن ترجمه شده و تخمین اولیه‌ی پارامترهای مخزن محاسبه می‌شود. در مرحله سوم، با استفاده از روش تطابق و مقایسه بین مدل‌های مخزن کاندید شده بهترین مدل انتخاب و با رگراسیون غیرخطی بر اساس تخمین اولیه‌ای که از شبکه‌ی عصبی به‌دست‌آمده، پارامترهای مخزن تعیین می‌شوند. درنهایت این برنامه با نرم‌افزارهای رایج در زمینه‌ی چاه آزمایی مقایسه شده و نتایج به‌دست‌آمده بررسی می‌گردد.
کلمات کليدي: چاه ‌آزمایی، هوش مصنوعی، شبکه‌ی عصبی، مدل مخزن