كاربرد مدل هاي رگرسيون چندجمله اي و شبكه هاي عصبي مصنوعي در آناليز ريسك فرآيند سيلاب زني بخار آب

در توسعه ميادين نفت سنگين (به ويژه در زمان هاي اوليه توسعه) عدم قطعيت هاي زيادي وجود دارد. با توجه به هزينه فراوان توسعه ميادين، ضروري است ريسك همه متغيرهاي غيرقطعي موجود در شبيه سازي ارزيابي و در تصميم گيري درنظر گرفته شود. جهت دستيابي به اطلاعات معقول و دقيق در آناليز ريسك، بايد شبيه سازي صدها يا هزاران بار به اجرا گذاشته شود كه اين كار بسيار زمان بر و پرهزينه است. ساخت مدل هاي پراكسي به عنوان جايگزيني براي شبيه ساز، روشي سريع جهت آناليز ريسك است. در اين مطالعه از شبكه هاي عصبي مصنوعي (ANN) و مدل هاي رگرسيون چندجمله اي (PR) به عنوان جايگزيني براي شبيه ساز در بخشي از يك مخزن نفت سنگين تحت سيلاب زني بخار استفاده شده است. همچنين به منظور يافتن متغيرهاي اثرگذار بر نتايج توليد از آناليز غربالگري استفاده شده است. طراحي هاي آزمايشي مختلفي جهت به دست آوردن داده هاي مفيدتر براي ساخت مدل هاي پراكسي به كار رفته اند. نتايج بررسي ها نشان مي دهد كه مدل هاي ساخته شده توسط طراحي تركيبي فاكتوريل كامل سه مرحله اي و مركب مركزي محاطي (CCI) دقيق تر از ساير مدل هاست. انتقال تواني مناسب پاسخ ها نيز در اكثر موارد عملكرد مدل هاي رگرسيون چند جمله اي را بهبود بخشيده است. مقايسه بين نتايج مدل هاي پراكسي و شبيه ساز عددي نشان مي دهد كه شبكه هاي عصبي مصنوعي و مدل هاي رگرسيون چندجمله اي توانايي پيش بيني نتايج خروجي شبيه ساز از جمله مقدار نفت تجمعي توليدي براي يك دوره 2000 روزه را دارند. با اين حال انحراف شبكه هاي عصبي مصنوعي كمتر از مدل هاي رگرسيون درجه دوم است. مدل هاي پراكسي ساخته شده در شبيه سازي مونته كارلو براي به دست آوردن توزيع احتمالي متغيرهاي توليدي به كار رفته اند.

فاقد چكيده مي باشد