Журнал нефтяной и экологической биотехнологии

Абстрактный

Гибридный подход искусственного интеллекта для определения водонасыщенности с использованием формулы Арчи в карбонатных резервуарах

Хамада ГМ*, Аль-Гат А.А. и Аль-Худафи А.М.

Задача определения точной водонасыщенности все еще стоит перед нефтяной инженерией. Сложность этой проблемы возрастет, если мы будем иметь дело с карбонатными породами. Существуют некоторые доступные методы, используемые для определения водонасыщенности. Однако точность этих методов стала неспособной найти наилучшие результаты. Несколько доступных методов использовались для оценки водонасыщенности, такие как обычные, CAPE (a, m, n), CAPE (1, m, n) и 3D методы. В настоящее время достижения методов искусственного интеллекта (ИИ) сами по себе открывают дверь для использования гибридной системы, такой как (PSONN). В этой модели метод оптимизации роя частиц (PSO) используется для поиска оптимальных весов соединений и пороговых значений для нейронных сетей (NN), затем правило обучения обратного распространения и алгоритм обучения используются для корректировки окончательных весов. Для реализации предлагаемой методики было использовано в общей сложности около 383 точек данных, полученных в результате лабораторных измерений электрических свойств карбонатных кернов ближневосточного резервуара. Статистический анализ и сравнительное исследование показывают, что производительность модели PSONN является лучшей с более низкой среднеквадратической ошибкой (0,092) и более высокой точностью коэффициента корреляции (0,95), чем у предыдущих методов. Результаты показали, что новая гибридная модель PSONN превосходит некоторые доступные методы и преодолевает слабость, если мы используем только ИИ. Из анализа ошибок установлено, что методы CAPE и 3-D и PSONN обеспечивают минимальную ошибку значений водонасыщенности.