توسعه شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک به منظور پیش‌بینی آزمایش‌های pvt چاه‌های نفت در صنایع بالادستی

در مرحله صیانت از مخازن نفتی صنایع بالادستی، آزمایش‌های پیچیده‌ای موسوم به pvt برای شناسایی خواص سیالات مخزن انجام می‌گیرد. وجود مشکلاتی چون خطرات احتمالی، زمان‌بر بودن، دقیق نبودن نمونه‌ها و محدودیت‌های دما و فشار، باعث شده تا استفاده از روش‌های هوشمند در این حوزه گسترش یابد. در این پژوهش به منظور اجتناب از مشکلات مذکور و یافتن رابطه پیچیده و غیرخطی داده‌های 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 داده‌های چاه‌های نفتی جنوب ایران بهره گرفته شد و نتایج حاصل نشان می‌دهد که استفاده از شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک، برخلاف روش‌های 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.

A Genetic Algorithmbased Artificial Neural Network for Prediction of Oil PVT Properties in the Upstream Industries

At the level of preservation of oil wells in upstream oil industries, complicated experimentations, called PVT, are done for the recognition of reservoir fluid properties. Problems such as probable dangers, time consuming, and the inaccuracy of samples and limitations in temperature and pressure have led to tend to increase the use of intelligent methods in this field. In this study, in order to avoid the mentioned problems and find the complex and nonlinear relationships between data and PVT experiments, artificial neural network has been used. Because the suitable choice of the initial weights increases the neural network efficiency, genetic algorithm is used in order to adjust the initial weights. For evaluating the proposed approach, Iran oil reservoir fluid properties are implemented. The results of research showed that the use of genetic algorithmbased artificial neural network, in contrast to the classical methods, predicts the reservoir fluid properties in a shorter time and with high accuracy. Therefore, the proposed neural network can be seen as a powerful approach toward the prediction of Iran oilfield oil PVT properties.