آرش غفوری نژاد - دانشجوی کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
پاکنوش کریم آقایی - دانشیار دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز

مسیله مکانیابی در مخازن نفتی به دلیل غیرخطی بودن شدید مسیله، عدم قطعیت های گسسته سازی و شکستگی های موجود در مخازن با مشکلات بسیاری روبرو است؛ در این میان وجود عدم قطعیت های زمین شناختی موجود در ساختار اصلی مدل نیز باعث ایجاد عدم اطمینان به پاسخ های بدست آمده می شود. تاثیرپذیری مسیله از پارامترهایی مانند خواص سنگ و سیال، ویژگی های تجهیزات سرچاهی و چاه ها، معیارهای اقتصادی و وجود عدم قطعیت در این پارامترها، به پیچیدگی این مسیله می افزاید و این عدم قطعیت باعث ایجاد خطا در تصمیم گیری های امکان سنجی حفرچاه ها و بهینه یابی مکان آنها می شود. باتوجه به خطاهای اندازه گیری، نویزهای محیطی و عدم قطعیت های پارامتری، هیچگاه اطلاعات دقیق از میدان در دسترس نخواهد بود. برای این منظور نیاز به مدلی که بتواند در مقابل نویز مقاوم باشد به شدت احساس می شود. شبکه عصبی فازی تطبیق پذیر، قابلیت ایجاد یک مدل مقاوم به نویز را داراست که با استفاده از آن می توان بر عدم قطعیت ها، نویزها و خطاها ها تا حدودی غلبه کرد و پاسخی موثرتر بدست آورد. معیاری که در این پژوهش به منظور ارزیابی چاه ها در میدان مورد استفاده قرار گرفته است، تولید انباشته میدان می باشد. شبکه ی عصبی فازی تطبیق پذیر با استفاده از داده های مدل SPE9 مدلی را پیش بینی می کند که بتواند خطاهای پارامتری این مدل را حذف کند و سپس بهینه یابی را روی مدل ارایه شده انجام دهد. نتایج نشان میدهد که با ایجاد تغییرات در خواص سنگ و سیال به عنوان یک خطا و یا عدم قطعیت، مدل شبکه عصبی فازی تطبیق پذیر به خوبی می تواند از آن عبور کند و مقاومت خود را نشان دهد.

مکانیابی چاه ها، بهینه یابی، نویز، عدم قطعیت، شبکه عصبی فازی تطبیق پذیر