توسعه شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک به منظور پیش بینی آزمایش های PVT چاه های نفت در صنایع بالادستی

در مرحله صیانت از مخازن نفتی صنایع بالادستی، آزمایش های پیچیدهای موسوم به PVT برای شناسایی خواص سیالات مخزن انجام می گیرد. وجود مشکلاتی چون خطرات احتمالی، زمانبر بودن، دقیق نبودن نمونه ها و محدودیتهای دما و فشار، باعث شده تا استفاده از روش های هوشمند در این حوزه گسترش یابد. در این پژوهش به منظور اجتناب از مشکلات مذکور و یافتن رابطه پیچیده و غیرخطی داده های آزمایشهای PVT از شبکه عصبی مصنوعی بهره گرفته شده است. همچنین، از الگوریتم ژنتیک به منظور تعیین مقادیر بهینه پارامترهای مدل شبکه عصبی در فرآیند آموزش استفاده شده است. به منظور ارزیابی رویکرد توسعه یافته از مجموعه داده های چاه های نفتی جنوب ایران بهره گرفته شد و 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 پیشبینی مینماید. در نتیجه، کارشناسان و مدیران صنایع بالادستی مخازن نفتی ایران میتوانند از شبکه عصبی پیشنهادی در راستای پیشینی آزمایشهای PVT بهره گیرند.