Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Актуальные проблемы природопользования и природообустройства; Пенза; Пенза
Год издания: 2024
Ключевые слова: искусственный интеллект, корреляция давления точки кипения, корреляция растворимости газа, прогнозирование свойств давления, объема, температуры, artificial intelligence, boiling point pressure correlation, gas solubility correlation, prediction of pressure, volume, temperature properties
Аннотация: Свойства пластового флюида: давление насыщения и растворимость газа, играют жизненно важную роль в управлении резервуаром и моделировании резервуара. Кроме того, они влияют на проектирование системы добычи. Давление насыщения и растворимость газа можно получить из лабораторных экспериментов, отбирая пробу на устье скважины или из рПоказать полностьюезервуара в скважинных условиях. Однако этот процесс занимает много времени и очень дорог. Чтобы преодолеть эти проблемы, можно применить эмпирические корреляции и модели искусственного интеллекта для получения этих свойств. Новые эмпирические корреляции были разработаны путем интеграции искусственной нейронной сети с модифицированным самоадаптивным дифференциальным эволюционным алгоритмом для введения гибридной модели самоадаптивной искусственной нейронной сети. Полученные результаты подтвердили точность разработанных моделей для прогнозирования давления насыщения и растворимости газа сырой нефти. Reservoir fluid properties: saturation pressure and gas solubility, play a vital role in reservoir management and reservoir modeling. In addition, they influence the design of the mining system. Saturation pressure and gas solubility can be obtained from laboratory experiments by sampling at the wellhead or from a reservoir under downhole conditions. However, this process takes a long time and is very expensive. To overcome these problems, empirical correlations and artificial intelligence models can be applied to obtain these properties. New empirical correlations were developed by integrating an artificial neural network with a modified self-adaptive differential evolutionary algorithm to introduce a hybrid model of a self-adaptive artificial neural network. The results obtained confirmed the accuracy of the developed models for predicting saturation pressure and solubility of crude oil gas.
Журнал: Актуальные проблемы природопользования и природообустройства
Номера страниц: 232-235
Место издания: Пенза