استفاده از شبکه‌ عصبی مصنوعی و الگوریتم رقابت استعماری برای پیش‌بینی نرج جریان نفت مخزن

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

استفاده از شبکه‌ عصبی مصنوعی و الگوریتم رقابت استعماری برای پیش‌بینی نرج جریان نفت مخزن

عنوان لاتین

Evolving artificial neural network and imperialist competitive algorithm for prediction oil flow rate of the reservoir

جریان‌ سنج‌ های چند فازی (MPFM ها) برای تهیه‌ی سریع و با دقت دیتای تست چاه در تعداد زیادی از کاربردهای تولید نفت استفاده می‌شوند مانند مواردی در استخراج عرشه‌ای در مکان‌های دور و خالی از سکنه که فضای سکو را کمینه می‌کند و کاربردهای زیرزمینی. نرخ جریان فازها (نفت، گاز و آب) مهم‌ترین پارامتری است که توسط MPFM ها به دست می‌آیند. جمع‌آوری دیتای MPFM به صورت قدیمی در دوره‌های طولانی مدت انجام می‌شود، به دلیل استفاده از منابع رادیواکتیوی به عنوان کشف کننده و مکان خالی از سکنه به علت فاصله‌ی زیاد چاه‌ها. در این مقاله، بر اساس حالتی واقعی از MPFM، روشی جدید برای پیش‌بینی نرخ نفت چاه‌ها مبتنی بر منطق فازی، شبکه‌های عصبی مصنوعی (ANN) و الگوریتم رقابت استعماری ارائه شده است. دما و فشار خطوط به عنوان متغیر ورودی شبکه و نرخ جریان نفت به عنوان خروجی وارد شده است. در این مسئله مجموعه‌ی دیتای 1600 تایی از 50 چاه در یکی از میادین نفت خلیج فارس در ایران برای ایجاد یک پایگاه داده استفاده شده است. ICA-ANN به عنوان روش جایگزین قابل اعتماد بدون مسائل شخصی و محیطی می‌تواند استفاده شود. عملکرد مدل ICA-ANN همچنین با مدل ANN و مدل فازی مقایسه شده است. نتایج حاصل موثر بودن، قوی بودن و قابلیت کار همزمان مدل ICA-ANN را اثبات می‌کند.

Multiphase flow meters (MPFMs) are utilized to provide quick and accurate well test data in numerous numbers of oil production applications like those in remote or unmanned locations topside exploitations that minimize platform space and subsea applications. Flow rates of phases (oil, gas and water) are most important parameter which is detected by MPFMs. Conventional MPFM data collecting is done in long periods; because of radioactive sources usage as detector and unmanned location due to wells far distance. In this paper, based on a real case of MPFM, a new method for oil rate prediction of wells base on Fuzzy logic, Artificial Neural Networks (ANN) and Imperialist Competitive Algorithm is presented. Temperatures and pressures of lines have been set as input variable of network and oil flow rate as output. In this case a 1600 data set of 50 wells in one of the northern Persian Gulf oil fields of Iran were used to build a database. ICA-ANN can be used as a reliable alternative way without personal and environmental problems. The performance of the ICA-ANN model has also been compared with ANN model and Fuzzy model. The results prove the effectiveness, robustness and compatibility of the ICA-ANN model.