دوره 1395، شماره 134 - ( 5-1395 )                   جلد 1395 شماره 134 صفحات 62-67 | برگشت به فهرست نسخه ها


XML Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

طباطبایی نژاد سید علیرضا، برجسته محمد، کمری مصیب. استفاده از شبکه های عصبی مصنوعی و الگوریتم بهینه سازی ژنتیک جهت تخمین نسبت گاز محلول به نفت در نقطه ی حباب مخازن نفتی جنوب غرب ایران. ماهنامه علمی- ترویجی اکتشاف و تولید نفت و گاز. 1395; 1395 (134) :62-67

URL: http://ekteshaf.nioc.ir:80/article-1-1877-fa.html


1- دانشگاه صنعتی سهند
2- شرکت ملی مناطق نفتخیز جنوب
چکیده:   (1308 مشاهده)

هدف این پژوهش استفاده از توانایی هوش مصنوعی جهت تخمین خواص سیالات مخزن با دقت بیشتر نسبت به روشهای تجربی است که کارآیی کمی دارند. بدین منظور پس از جمعآوری و سازماندهی دادههای مربوط به 36 نمونه آزمایش PVT3 که طی 56 سال تولید از مخزن انجام شده بود، جهت پیشبینی ضریب حجمی نفت سازندی، یکبار از شبکهی عصبی مصنوعی و بار دیگر از تلفیقی از شبکهی عصبی مصنوعی و الگوریتم ژنتیک استفاده گردید. از آنجا که Rsb4 تابعی از وزن مخصوص گاز، API نفت، دمای مخزن و فشار نقطهی حباب است بهعنوان دادههای لایهی ورودی استفاده شد. همانگونه که در ادامه مشاهده خواهد شد نتایج نشان میدهند که شبکههای عصبی نسبت به روابط تجربی که بر اساس دادههای محلی خاص مناطق مختلف بهدست آمدهاند از دقت بسیار خوبی برای تخمین خواص سیالات مخزن برخوردارند. همچنین ترکیب شبکهی عصبی مصنوعی با الگوریتم ژنتیک بسیار مفید بود؛ چراکه سبب افزایش بسیار زیاد سرعت همگرایی به سمت مدل دقیق و پایداری شبکهی عصبی شد. شبکهی عصبی مصنوعی طراحی شده میانگین انحراف نسبی حدود 8/1 درصدی را نشان میدهد.

متن کامل [PDF 782 kb]   (3032 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: ۱۳۹۵/۶/۸ | پذیرش: ۱۳۹۵/۶/۸ | انتشار: ۱۳۹۵/۶/۸

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

کلیه حقوق این وب سایت متعلق به ماهنامه علمی- ترویجی اکتشاف و تولید نفت و گاز می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Journal of Exploration & Production Oil & Gas

Designed & Developed by : Yektaweb

تحت نظارت وف ایرانی