CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله پیش بینی فشار رسوب آسفالتین و فشار نقطه حباب طی تزریق گاز co2 با استفاده نظریه های از هوش مصنوعی

عنوان مقاله: پیش بینی فشار رسوب آسفالتین و فشار نقطه حباب طی تزریق گاز co2 با استفاده نظریه های از هوش مصنوعی
شناسه (COI) مقاله: IPEC03_141
منتشر شده در سومین کنگره ملی مهندسی نفت در سال ۱۳۹۰
مشخصات نویسندگان مقاله:

رضا بهوندی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات
احسان خامه چی - دانشگاه صنعتی امیرکبیر
فریبرز رشیدی - دانشگاه صنعتی امیرکبیر

خلاصه مقاله:
با وجود آنکه تزریق امتزاجیco2یکی از رایج ترین روش های ازدیاد برداشت از نفت می باشد. می تواند باعث تغیر خواص سیالات نفتی و نیز بروز برخی مشکلات مانند تشکیل رسوب آسفالتین شود, که خود منجر به کاهش تزریق پذیری و قابلیتتولید چاههای نفت و گرفتگی دهانه چاه یا تسهیلات سرچاهی میگردد. حداکثر مقدار تشکیل رسوب آسفالتین در نزدیکی فشار و غلظت اشباع سیال می باشد.با توجه به توضیحات داده شده فشار شروع انعقاد آسفالتین 1 و همچنین فشار بیشترین حجم تشکیل رسوب فشار نقطه حباب 2 از اهمیت خاصی جهت بهینه سازی عملیات تزریق امتزاجی co2 برخوردار می باشد. هدف این تحقیق پیش بینی فشار شروع انعقاد آسفالتین و فشار نقطه حباب سیال مخزن با استفاده از مدل های توسعه داده شده هوش مصنوعی که شامل یک نرم افزار شبیه ساز به نامIntelligent Proxy Simulator(IPS بر اساس ساختار شبکه های عصبی مصنوعی با استفاده از دو الگوریتم آموزشی پس انتشار خطا 3 و الگوریتم بهینه سازی اجتماع ذرات 4 می باشد. این دو پارامتردر دو مرحله به صورت همزمان و با یک خطا و در مرحله دیگر به صورت تک خروجی و دو خطا پیش بینی شده اند. مدل دیگر برگرفته شده از نظریه های هوش مصنوعی سامانه استنتاج عصبی- فازی است که ترکیبی از منطق فازی و شبکه هایعصبی می باشد. که در ادامه جهت ارزیابی نتایج پیش بینی های شبکه های توسعه داده شده هوش مصنوعی در پیش بینیفشار شروع انعقاد آسفالتین از مدل جامد ترمودینامیکی با استفاده از نرم افزارWinprop و جهت اعتبار سنجی نتایج حاصل شده در پیش بینی فشار نقطه حباب از یک رابطه خطی به نامStandingاستفاده شده است. در پایان نتایج بدست آمده درمدل های هوش مصنوعی در پیش بینی فشار شروع انعقاد آسفالتین و فشار نقطه حباب طی تزریقco2نتیجه بسیار رضایت بخش تری به ترتیب نسبت به مدل جامد ترمودینامکی و مدلStandingداشته اند همچنین موکد این مطلب می باشد که در شرایطی که نیاز به پیش بینی دو یا چندین پارامتر برای یک مسئله پیچیده باشد به جای محاسبه تک تک آنها با روش های متفاوت و خطاهای غیر یکسان و نا برابر می توان تمامی پارامترهای مورد نظر را با خطای برابر و نسبتا پایین نسبت به داده های آزمایشگاهی به وسیله شبکه عصبی مصنوعی با استفاده از شبیه سازIPSو مدلANFISپیش بینی کرد.

کلمات کلیدی:
فشار شروع رسوب آسقالتین،فشارنقطه حباب، ، الگوریتم پس انتشار خطا, الگوریتم بهینه سازی ازدحام ذرات ، سامانه استنتاج عصبی – فازی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-IPEC03-IPEC03_141.html