01 دی 1403
دانشگاه خلیج فارس
English
حبیب رستمی
مرتبه علمی:
دانشیار
نشانی:
دانشکده مهندسی سیستم های هوشمند و علوم داده - گروه مهندسی کامپیوتر
تحصیلات:
دکترای تخصصی / کامپیوتر
تلفن:
0773
دانشکده:
دانشکده مهندسی سیستم های هوشمند و علوم داده
پست الکترونیکی:
habib [at] pgu [dot] ac [dot] ir
صفحه نخست
فعالیتهای پژوهشی
عناوین دروس
مشخصات پژوهش
عنوان
استفاده از روش شبکه های عصبی مصنوعی برای پیشبینی پارامترهای چاه- آزمایی
نوع پژوهش
مقالات در همایش ها
کلیدواژهها
Artificial neural networks, well testing
پژوهشگران
پیمان ترابیده (نفر اول)
،
عباس خاکسار منشاد (نفر دوم)
،
حبیب رستمی (نفر سوم)
چکیده
زیستی الهام گرفته شدهاند، بنابراین میتوانیم یک ساختار مصنوعی به تبعیت از شبکههای طبیعی بسازیم. پس از تنظیم یا آموزش شبکهی عصبی مصنوعی ، اعمال یک ورودی خاص به آن منجر به دریافت پاسخ خاص میشود. آزمایش چاه یک دورهی زمانی است که طی آن دبی و یا فشار یک چاه برای تخمین خواص چاه، و مخازن هیدروکربوری اندازهگیری میشود. روشهای قدیمی آزمایش چاه به دلیل این که روشهای تجربی بوده و برخی فرضیات و محدودیتها در آنها اعمال شده است در این مقاله سعی شده از روشهای جایگزین استفاده شود. در دهههای اخیر در زمینههای گوناگون، (ANNs) کاربردهای متفاوت روشهای هوش مصنوعی از جمله روش شبکههای عصبی مصنوعی حاکی از قابلیت زیاد آنها در مهندسی نفت برای تعیین پارامترهای مخازن و میدانهای نفتی است. برای این منظور در یکی از میدانهای جنوب ایران از میان تعدادی چاه، سه چاه را انتخاب کرده و از دادههای آنها در این مقاله استفاده میکنیم. مقایسه نتایج حاصل از بهترین در MLP به خصوص روش ANNs و نتایج روش هرنر، مقادیر نزدیک به هم را نشان میدهد. نتیجه این که به کارگیری روش MLP پیشبینی تستهای افزایش فشار، موجب کاهش هزینهها میشود و این میتواند ابزار گرانبهایی برای چاهآزمایی باشد.