PREDICTION OF PRESSURE DROP FOR TWO-PHASE FLOW IN VERTICAL PIPES USING ARTIFICIAL INTELLIGENCE
No Thumbnail Available
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Saudi Digital Library
Abstract
إن مقدار انخفاض الضغط بين قعر البئر وفوهته في آبار النفط يعد من أهم العوامل التي تؤثر بشكل مباشر في مقدار التدفق. لكن حساب مقدار انخفاض الضغط في التدفق ثنائي الطور يعتبر من العمليات المعقدة بسبب التغير في نسب الغاز والسائل عبر أنبوب البئر العمودي، حيث أن انخفاض الضغط يتسبب في زيادة نسب الغاز المتحررة من السائل وذلك بشكل تصاعدي مما ينتج معه خلق أنماط تدفق جديدة. هذه الأنماط هي ليست مختلفة فقط بالشكل ، ولكن أيضا في العوامل المؤثرة في هبوط الضغط. للتغلب على هذه الصعوبة في حساب انخفاض الضغط في التدفق ثنائي الطور، استخدم العلماء نهجين رئيسيين: ارتباطات التدفق و النماذج الآلية. هذان النهجان قابلان للتطبيق ضمن نطاقات معينة ودقتهما في التنبؤ بانخفاض الضغط تقل خارج هذه النطاقات. أثبتت زيادة شعبية الذكاء الاصطناعي (AI) خلال العقدين الماضيين أن هذه الطريقة الرياضية يمكن أن توفر حلولا فعالة لكثير من المشاكل المعقدة التي تفشل الفيزياء الكلاسيكية والطرق الإحصائية في حلها. وقد وفرت هذه التقنيات نماذج رقمية سريعة وموثوق بها في العديد من المجالات كالتمثيل الجيولوجي، هندسة المكامن، الفيزياء النفطية وفحص الآبار. هذه الأطروحة تشرح استخدام المنطق الضبابي، والذي يعد من أهم التقنيات في الذكاء الاصطناعي، في التنبؤ بقيمة الضغط في قعر الآبار المنتجة الننفط. ولبناء نموذج المنطق الضبابي استخدمت 596 مجموعة من البيانات الحقيقية المأخوذة من دراسات فحص الآبار لآبار من الشرق الأوسط. وكان النموذج قادرا على التنبؤ بقيمة الضغط في قعر البئر لـ 199 مجموعة من البيانات الأخرى التي استخدمت لفحص دقة النموذج الضبابي والتي نتج عنها مقدار خطأ متوسط مطلق يعادل 4.9% . وأجري تحليل مقارنة بين نموذج المنطق الضبابي والعديد من نماذج ارتباطات التدفق الشهيرة للتنبؤ بقيمة الضعط في قعر البئر وذلك لمقارنة أداء هذه النماذج مع طريقة "نظام الاستدلال العصبي الضبابي المتكيف" (ANFIS)