کاربرد مدل های رگرسیون چندجمله ای و شبکه های عصبی مصنوعی در آنالیز ریسک فرآیند سیلابزنی بخار آب

در توسعه میادین نفت سنگین (به ویژه در زمان های اولیه توسعه) عدم قطعیت های زیادی وجود دارد. با توجه به هزینه فراوان توسعه میادین، ضروری است ریسک همه متغیرهای غیرقطعی موجود در شبیه سازی ارزیابی و در تصمیم گیری درنظر گرفته شود. جهت دست یابی به اطلاعات معقول و دقیق در آنالیز ریسک، باید شبیه سازی صدها یا هزاران بار به اجرا گذاشته شود که این کار بسیار زمان بر و پرهزینه است. ساخت مدل های پراکسی به عنوان جایگزینی برای شبیه ساز، روشی سریع جهت آنالیز ریسک است. در این مطالعه از شبکه های عصبی مصنوعی (ANN) و مدل های رگرسیون چندجمله ای (PR) به عنوان جایگزینی برای شبیه ساز در بخشی از یک مخزن نفت سنگین تحت سیلابزنی بخار استفاده شده است. همچنین به منظور یافتن متغیرهای اثرگذار بر نتایج تولید از آنالیز غربالگری استفاده شده است. طراحی های آزمایشی مختلفی جهت به دست آوردن داده های مفید تر برای ساخت مدل های پراکسی به کار رفته اند. نتایج بررسی ها نشان می دهد که مدل های ساخته شده توسط طراحی ترکیبی فاکتوریل کامل سه مرحله ای و مرکب مرکزی محاطی (CCI) دقیق تر از سایر مدل هاست. انتقال توانی مناسب پاسخ ها نیز در اکثر موارد عملکرد مدل های رگرسیون چند جمله ای را بهبود بخشیده است. مقایسه بین نتایج مدل های پراکسی و شبیه ساز عددی نشان می دهد که شبکه های عصبی مصنوعی و مدل های رگرسیون چندجمله ای توانایی پیش بینی نتایج خروجی شبیه ساز از جمله مقدار نفت تجمعی تولیدی برای یک دوره 2000 روزه را دارند. با این حال انحراف شبکه های عصبی مصنوعی کمتر از مدل های رگرسیون درجه دوم است. مدل های پراکسی ساخته شده در شبیه سازی مونته کارلو برای به دست آوردن توزیع احتمالی متغیرهای تولیدی به کار رفته اند.