پیش بینی فشار نقطه شبنم میعانات گازی با استفاده از روش های یادگیری ماشین
نویسندگان
1 دانشجو، دانشگاه صنعتی امیر کبیر واحد ماشهر، ماهشهر، ایران
2 شرکت ملی مناطق نفتخیز جنوب، اهواز، ایران
3 استاد، دانشگاه صنعتی امیر کبیر واحد ماشهر، ماهشهر، ایران
doi
10.22034/farayandno.2026.2070757.2015چکیده
پیشبینی دقیق و بهموقع فشار نقطه شبنم در مخازن گاز میعانی از اهمیت فنی و اقتصادی بالایی برخوردار است و بهویژه در تعیین ویژگیهای سیال، محاسبات عملکرد مخزن، برنامهریزی توسعه مخازن و طراحی بهینه سیستمهای تولید نقش کلیدی ایفا میکند. از هشت مدل متفاوت، شامل رگرسیون خطی، رگرسیون لاسو، رگرسیون ریج، الاستیک نت، شبکههای عصبی مصنوعی، درخت تصمیمگیری، ترکیب نزدیکترین همسایگی و جنگل تصادفی، برای پیشبینی فشار نقطه شبنم استفاده گردید. نتایج نشان میدهد که مدل جنگل تصادفی با میانگین درصد خطای نسبی %3/3 و ضریب همبستگی 0/84 بهترین عملکرد را در مقایسه با سایر مدلها داشته و بهطور موفقیتآمیزی از تمامی مدلهای دیگر پیشی گرفته است. این مطالعه با استفاده از روشهای هوش مصنوعی، نوآوری در پیشبینی فشار نقطه شبنم را نشان میدهد و تأکید میکند که تحلیل دقیق دادههای میعانات گازی و مدلهای پیشرفته، دقت و کارایی بالاتری در پیشبینیهای صنعتی فراهم میآورد.