31293

كاربرد هوش مصنوعي در انتخاب روش ازدياد برداشت: مطالعه موردي در يكي از مخازن ايران و محاسبه توليد بهينه

كارشناسي ارشد

مهندسي نفت- مخازن هيدروكربوري

1400

1403/3/7

محمد تقي صادقي

ندارم

مهندسي شيمي، نفت و گاز

هوش مصنوعي يك موضوع فراگير در صنعت وزندگي روزمره انسان هست. هوش مصنوعي در صنعت نفت و گاز درزمينهٔ مانند حفاري، اكتشاف و همچنين درزمينهٔ ازدياد برداشت كاربردهاي خود را نشان داده است كه در اين پايان‌نامه به گوشه‌اي از اين كاربرد اشاره‌شده است. هوش مصنوعي از ابتدا تاكنون پيشرفت‌هاي چشمگيري داشته و همچنان در حال پيشرفت است. در پايان‌نامه بيشتر به شاخه‌هاي يادگيري ماشين و يادگيري عميق از هوش مصنوعي توجه شده است.الگوريتم‌هايي كه در اين پايان‌نامه بيشتر موردتوجه قرارگرفته‌اند مي‌توان به الگوريتم‌هاي منطق فازي و شبكه عصبي مصنوعي(1 لايه) و شبكه عصبي چندلايه اشاره كرد كه در فصل مروري بر منابع، كاره‌اي انجام‌شده و نتايج بعضي از محققان آورده شده است و نتايج كار به كمك برنامه‌نويسي در محيط پايتان براي 19 لايه نفتي به دست آمد كه نتايج به‌دست‌آمده از الگوريتم منطق فازي در يك جدول خلاصه گرديد و همچنين نتايج به دست از الگوريتم شبكه عصبي چندلايه به‌صورت نمودار‌هاي عنكبوتي هر لايه نمايش داده شد. در 4 لايه از اين 19 لايه نفتي نتيجه‌اي كه بيشترين مطابقت را در نمودار عنكبوتي دارا هست، با نتيجه به‌دست‌آمده از الگوريتم منطق فازي، مشابه است كه اين نتيجه تزريق كربن دي‌اكسيد امتزاجي هست. روش‌هاي احتراق درجا و تزريق بخار بيشترين تكرار را در نتايج به‌دست‌آمده از نمودار‌هاي عنكبوتي لايه‌هاي مختلف دارند پس‌ازاين 2 روش پر‌تكرار، روش‌هاي تزريق كربن دي‌اكسيد امتزاجي، هيدروكربن امتزاجي، WAG امتزاجي و تزريق S + P/A در نمودار‌هاي عنكبوتي لايه‌هاي مختلف با درصد مطابقت‌هاي مختلف ديده‌شده است.

1403/04/16

application of artificial intelligence in selection of Enhance oil recovery: case study in one of the irani,s reservoir and calculation of optimal production

5/27/2025 12:00:00 AM

Artificial intelligence is a pervasive topic in industry and human daily life. Artificial intelligence has shown its applications in the oil and gas industry in fields such as drilling, exploration, and also in the field of increased harvesting, which is mentioned in this thesis. Artificial intelligence has made significant progress since its inception and is still progressing. In this thesis, more attention is paid to the branches of machine learning and deep learning from artificial intelligence. Algorithms that are given more attention in this thesis can be mentioned to the algorithms of fuzzy logic and artificial neural network (1 layer) and multilayer neural network, which are mentioned in the resource review chapter. , some work has been done and the results of some researchers have been given, and the results of the work were obtained with the help of programming in the Python environment for 19 oil layers, and the results obtained from the fuzzy logic algorithm were summarized in a table, as well as the results obtained from the multilayer neural network algorithm as Spider diagrams of each layer were displayed. In 4 of these 19 oil layers, the result that has the most correspondence in the spider diagram is similar to the result obtained from the fuzzy logic algorithm, which is the result of fusion carbon dioxide injection. The methods of in situ combustion and steam injection have the most repetition in the results obtained from the spider diagrams of different layers, after these 2 most repeated methods, the methods of mixed carbon dioxide injection, mixed hydrocarbon, mixed WAG and S + P/A injection in the spider diagrams of different layers with different matching percentages. has been seen

هوش مصنوعي , ازدياد برداشت

artificial intelligence , Enhance oil Recovery

Ali Tazesh

Dr. Mohammad Taghi Sadeghi