پيش‌‌بيني نسبت اگازميعاني به‌‌وسيله شبكه عصبي مصنوعي

Prediction of Condensate Gas Ratio by Using Artificial Neural Network

ارزش افزوده اقتصادي حاصل از فروش ميعانات گازي و كاهش شديد ميزان عبوردهي سنگ به دليل مسدود شدن در اثر ميعانات مهمترين تفاوتهاي مخازن گاز ميعاني با مخازن گاز خشك است. براي تخمين ميزان ارزش افزوده نياز به محاسبه مقدار نسبت گاز ميعاني است كه اين امر از طريق انجام آزمايشهاي ميداني و آزمايشهاي خاص مبتني بر خواص سيالات ميسر ميشود. در ابتداي دوران توسعه يك مخزن كه انجام آزمايش خواص سيالات امكانپذير نيست، روشهايي كه توانايي مدلسازي كميتهايي از قبيل نسبت گاز ميعاني را دارند مورد توجه مهندسين قرار ميگيرند. در اين مقاله چگونگي مدلسازي نسبت گاز ميعاني به وسيله يك شبكه عصبي مصنوعي كه از توانايي جستجوي محدودهاي با نام روش پسانتشار استفاده ميكند مورد تحقيق قرار گرفته است. نتايج حاصل از شبكه عصبي مصنوعي كه بر مبناي استفاده از دادههاي گزارش شده از مخازن ايران است با مقدار واقعي آنها مقايسه گرديد و نتايج حاصل شده مويد اين امر است كه روش استفاده شده توانايي بسيار خوب و دقيقي در اين زمينه دارد.

Added values to project economy from condensate sales and gas deliverability loss due to condensate blockage are the main differences between gas condensate and dry gas reservoirs. To estimate the added value, one needs to obtain condensate to gas ratio (CGR); however, this needs special PVT experimental study and field tests. In the absence of experimental studies during early period of field exploration, techniques which correlate such a parameter would be of interest for engineers. In this work, it is investigated that how artificial neural network (ANN) can predict condensate gas ratio. The proposed model used the local searching ability of the gradient-based back propagation )BP( strategy of neural network. The ANN model is applied to the experimental data from Iranian oil fields and reported in literature has been used to develop this model. The predicted results from the BP-ANN were compared to the experimental CGR data. A comparison between the prediction of this model and the alternatives showed that the ANN model predicts condensate gas ratio more accurately.