PREDICTION OF CRUDE OIL PVT PROPERTIES BY SOFT COMPUTING TECHNIQUES

Abstract

إن توصيف خصائص الضغط والحجم والحرارة للنفط الخام أمر مهم جدا للعديد من الحسابات النفطية كتحديد خصائص الهيدروكربونات المائعة ورفع الغاز وتصميم الأنابيب وحسابات استرداد المخازن بالاستنفاد الطبيعي وتقنيات الانتعاش. ومن هذه الخواص الهامة خاصيتا اللزوجة ونسبة الغاز إلى النفط. ويتم تحديد هذه الخواص عن طريق التحاليل التجريبية لمختلف قيم الضغط، مما يترتب عليه إنفاق للوقت والمال. وللاستعاضة عن هذه التحاليل المخبرية التجريبية المضنية، والمستنفزة للمصادر والمال والزمن، فقد تم اشتقاق معادلات الأحوال EOS تجريبياً للتنبؤ بخواص المخازن. ولقد استمر العمل على هاتين الطريقتين ردحا من الزمن حتى بزغت الطرق البرمجية والمعتمدة على الذكاء الصناعي، وخاصة الخلايا العصبية، لتحسين أداء المتنبئات. لكن هذه الأساليب كلها حتى وقتنا الحاضر لا تزال تعتمد على التنبؤ بالنقطة الواحدة أو بالنقط العديدة، حتى وإن احتيج لمنحنيات كاملة لتمثيل بعض الخواص كالضغط والحجم والحرارة. قمنا في هذه الدراسة بتطوير طريقة جديدة للتنبؤ بخصائص الضغط والحجم والحرارة التي تحتاج في تمثيلها للمنحنيات التي تنتمي قيم المدخلات فيها لمدى معين، مع تبيان ذلك بمثالي اللزوجة والنسبة بين الغاز والنفط. وقد تمت في البداية دراسة عميقة لخصائص المخازن المستهدفة بالاستعانة بنتائج التحاليل المخبرية للضغط والحجم والحرارة. كما أخضعت البيانات لبعض التحاليل الإحصائية لتحديد المتطرفات. ثم تم استكشاف إمكانات التقنيات البرمجية المختلفة للتنبؤ بهذه الخواص. فتم تطوير العديد من نماذج التنبؤ باستخدام انحدار المتجهات الداعمة (SVR) والشبكات الوظيفية والأنظمة العصبية الضبابية المتكيفة والشبكات العصبية الصناعية بالإضافة لنظامين هجينين يعتمدان على خوارزمية التطور التفاضلية مع الشبكات العصبية، والخوارزميات الجينية مع الأنظمة العصبية الضبابية المتكيفة. وكانت النتيجة الحصول على نسبة خطأ صغيرة بمعياري جذر معدل المربعات ومعدل القيم المطلقة. هذا، ونشير إلى أن الطريقة المتبعة في هذا البحث تصلح لأي خاصية من خصائص الضغط والحجم والحرارة ذات القيم المتراوحة على مدى معين من الضغط. وعليه، فإننا نرجو أن يمثل هذا العمل طريقة سريعة ورخيصة للتنبؤ بخصائص الضغط والحجم والحرارة للوصول لأكبر انتاجية نفطية ممكنة.