كاربرد شبكه­ي عصبي مصنوعي در پيش­بيني همزمان عملكرد فرآيند ذخيره­ي كربن دي­ اكسيد و ازدياد برداشت نفت

استفاده از گاز CO2 به منظور ازدياد برداشت نفت علاوه بر منافع زيست محيطي مي تواند با افزايش توليد و ضريب بازيافت مخازن هيدروكربني همراه شود و منافع اقتصادي قابل توجهي به دنبال داشته باشد. مدل سازي و پيش بيني وضعيت آينده مخزن در پروژ ه هاي ازدياد برداشت نفت از لحاظ فني و اقتصادي حائز اهميت بالايي است. سناريو-هاي مختلفي حين مدل سازي فرآيندهاي ازدياد يرداشت مطرح مي شود كه ممكن است مدل سازي و شبيه سازي هر يك از اين سناريوها مدت زمان زيادي بطلبد. بنابراين كاهش زمان شبيه سازي مي تواند به انتخاب بهترين تصميم براي آينده توليد از مخازن نفتي كمك شايان توجهي كند. در اين مقاله با ساخت مدل پايه تزريق CO2-WAG (Water-Alternating-Gas) و همچنين ايجاد آزمايش هاي متعدد بر روي اين مدل، يك بانك داده ساخته مي شود. با استفاده از بانك داده يك مدل جايگزين هوشمند به منظور پيش بيني سناريوهاي مختلف به وسيله شبكه عصبي مصنوعي ايجاد مي شود. اين مدل جايگزين قابليت پيش بيني نتايج سناريو هاي مختلف تزريق CO2-WAG را در كمتر از 5 ثانيه و با دقت بالا داراست كه به طور قابل توجهي از زمان شبيه سازي كاسته شده است.