在使用人工智能通过非传统水库进行水平钻探时预测透率
Hassan Almomen1, Ahmed Abdulhamid Mahmoud1,2, Salaheldin Elkatatny1,2
1Department of Petroleum Engineering, King Fahd University of Petroleum & Minerals, Dhahran 31261, Saudi Arabia.
精确预测钻探透率 (ROP) 对于优化非传统石油和天然气开采至关重要. 开发了一个人工神经网络 (ANN) 模型和一个经验方程,证明了ROP估计的高准确性.
科学领域:
- 石油工程是石油工程中的一个.
- 人工智能在能源中的作用
- 地质工程是地质工程.
背景情况:
- 精确估计钻探率的透率 (ROP) 对于高效和利的石油和天然气运营至关重要,特别是在挑战非常规水库时.
- 非传统的碳化合物储由于异质性,高强度,脆性,高压力和温度,对钻探具有独特的困难,需要优化钻探策略.
- 非传统资源的日益发展凸显了对精确的ROP预测的极大需求,以提高钻探效率和经济可行性.
研究的目的:
- 优化和验证人工神经网络 (ANN) 模型,用于在非传统碳化合物储中进行水平钻探时预测ROP.
- 开发和验证从ROP预测的优化ANN模型中得出的经验相关性.
- 在各种钻井场景中评估ANN模型和经验相关性的准确性和可靠性.
主要方法:
- 一个人工神经网络 (ANN) 模型被开发和训练,使用来自五个井的34,869个数据点的大量数据集.
- 用ANN模型的权重和偏差来制定一个新的经验相关性,用于ROP预测.
- 无论是ANN模型还是经验相关性的预测性能都经过了严格的测试和验证,使用独立的数据集,包括来自额外井的数据.
主要成果:
- 在训练过程中,优化的ANN模型实现了0.96的高相关系数和4.68%的平均绝对百分比误差 (AAPE).
- 在测试数据集中,衍生的经验相关性表现出强的表现,AAPE为4.75%,相关系数为0.96.
- 对第六个井的数据的验证证实了实证方程的稳定性,产生0.91的相关系数和5.75%的AAPE.
结论:
- 开发的ANN模型和经验相关性提供了在非传统碳化合物储库中准确可靠的ROP预测.
- 这些预测工具为优化钻探操作,改进决策和提高非传统资源开发的经济成果提供了巨大的潜力.
- 该研究强调了像ANN这样的数据驱动方法在应对石油和天然气行业复杂挑战方面的有效性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
08:38Microfluidic Devices for Characterizing Pore-scale Event Processes in Porous Media for Oil Recovery Applications
Published on: January 16, 2018
相关概念视频
Uniform Depth Channel Flow: Problem Solving
Uniform Depth Channel Flow
Design Example: Design of an Irrigation Channel
Rapidly Varying Flow
Hydraulic Jump: Problem Solving
