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.