کاربرد شبکه­ی عصبی مصنوعی در پیش­بینی همزمان عملکرد فرآیند ذخیره­ی کربن دی­ اکسید و ازدیاد برداشت نفت

استفاده از گاز co2 به منظور ازدیاد برداشت نفت علاوه بر منافع زیست محیطی می تواند با افزایش تولید و ضریب بازیافت مخازن هیدروکربنی همراه شود و منافع اقتصادی قابل توجهی به دنبال داشته باشد. مدل سازی و پیش بینی وضعیت آینده مخزن در پروژ ه های ازدیاد برداشت نفت از لحاظ فنی و اقتصادی حائز اهمیت بالایی است. سناریو-های مختلفی حین مدل سازی فرآیندهای ازدیاد یرداشت مطرح می شود که ممکن است مدل سازی و شبیه سازی هر یک از این سناریوها مدت زمان زیادی بطلبد. بنابراین کاهش زمان شبیه سازی می تواند به انتخاب بهترین تصمیم برای آینده تولید از مخازن نفتی کمک شایان توجهی کند. در این مقاله با ساخت مدل پایه تزریق co2-wag (water-alternating-gas) و همچنین ایجاد آزمایش های متعدد بر روی این مدل، یک بانک داده ساخته می شود. با استفاده از بانک داده یک مدل جایگزین هوشمند به منظور پیش بینی سناریوهای مختلف به وسیله شبکه عصبی مصنوعی ایجاد می شود. این مدل جایگزین قابلیت پیش بینی نتایج سناریو های مختلف تزریق co2-wag را در کمتر از 5 ثانیه و با دقت بالا داراست که به طور قابل توجهی از زمان شبیه سازی کاسته شده است.