عملکرد تزریق دی اکسیدکربن در مخازن تخلیه شده با بکارگیری الگوریتم های شبکه عصبی
الموضوعات : Petroleum Reservoir Geology
پویا اسحقی
1
,
کیوان شایسته
2
,
محمد جواد خانی
3
1 - گروه مهندسی شیمی دانشکده مهندسی شیمی و نفت دانشگاه صنعتی شریف-تهران-ایران
2 - گروه مهندسی شیمی
3 - گروه مهندسی شیمی دانشکده فنی و مهندسی دانشگاه محقق اردبیلی- اردبیل- ایران
الکلمات المفتاحية: تزریق¬دی¬اکسیدکربن, مخازن تخلیه شده (ROZ) , ازدیاد برداشت , شبکه عصبی مصنوعی.,
ملخص المقالة :
تزریق دی‌اکسید کربن (CO₂) در مخازن نفتی، روشی مؤثر برای افزایش برداشت نفت و ذخیره‌سازی CO₂ است. در این مطالعه، از شبکه عصبی مصنوعی (ANN) برای پیش‌بینی میزان بازیابی نفت و ظرفیت ذخیره‌سازی CO₂ در مخازن تخلیه‌شده (ROZ) با توجه به عدم قطعیت‌های زمین‌شناسی و عملیات چاه استفاده شد. داده‌های میدانی منطقه Smeaheia، نروژ، شامل ۱۴ ویژگی کلیدی برای بهینه‌سازی تزریق CO₂ شناسایی گردید. دو مدل شبکه عصبی MLP و RBF در این پژوهش بکار گرفته شد و دقت آنها به‌ترتیب ۹۱٫۳۶٪ و ۹۴٫۶۳٪ ارزیابی شد. به منظور بهینه‌سازی ویژگی‌ها و کاهش ابعاد داده‌ها، الگوریتم گرگ خاکستری استفاده شد که به انتخاب ۱۰ ویژگی مؤثر انجامید. این ویژگی‌ها شامل نفوذپذیری، فشار چاه، حجم منافذ، تراکم‌پذیری، و نسبت تخلخل به ارتفاع بودند. مدل‌های بهینه‌سازی‌شده دقت پیش‌بینی تزریق CO₂ را در مدل MLP به ۹۷٫۴۶٪ و در مدل RBF به ۹۸٫۹۷٪ افزایش دادند. این نتایج نشان می‌دهد که ترکیب ANN و انتخاب ویژگی بهینه، می‌تواند به‌عنوان ابزاری قدرتمند برای پیش‌بینی و مدیریت تزریق CO₂ در مخازن نفتی باشد.