کاربرد یادگیری ماشین در پیش‌بینی و مدیریت تولید ماسه در چاه‌های نفت و گاز - مطالعه ی مروری

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی نفت، دانشکده مهندسی شیمی، نفت و گاز، دانشگاه شیراز، شیراز، ایران

2 استادیار، گروه مهندسی نفت، دانشکده مهندسی شیمی، نفت و گاز، دانشگاه شیراز، شیراز، ایران

3 استادیار، گروه مهندسی نفت، دانشکده مهندسی شیمی، نفت و گاز، دانشگاه شیراز، شیراز، ایران

doi
چکیده

تولید ماسه در چاه‌های نفت و گاز، مشکلات متعددی مانند کاهش بهره‌وری از چاه و خرابی تجهیزات را به‌همراه دارد. به‌منظور جلوگیری از مشکلات و پیامدهای تولید ماسه، اجرای فرایندهای پیش‌بینی و کنترل ماسه در چاه‌ها توصیه می‌شود. این فرایندها شامل بررسی عوامل متعددی از جمله: عمق چاه، گرادیان شکست سازند و سایر پارامترهای زمین‌شناسی می‌باشد. به‌علت حجم انبوه داده‌ها و پیچیدگی‌های تحلیل، روش‌های مرسوم سنتی، زمان‌بر و با عدم قطعیت و احتمال خطای زیادی مواجه‌اند؛ به همین دلیل، استفاده از روش‌های کارآمدتر از اهمیت زیادی برخوردار است؛ در سال‌های اخیر، به‌کارگیری تکنیک‌های یادگیری ماشین برای تحلیل داده‌های زیاد و پیچیده، به‌عنوان روشی مناسب و دقیق در جهت بهبود دقت پیش‌بینی‌ها مطرح شده است. از این‌رو مهندسان بهره‌بردار نیز از الگوریتم‌های یادگیری ماشین، برای تحلیل داده‌های مرتبط با تولید ماسه استفاده کردند. در این مطالعه، مروری بر تحقیقات پیشین، در زمینه‌ی استفاده از یادگیری ماشین در مدیریت تولید ماسه ارائه شده است. همچنین به‌منظور فهم بهتر، مطالعات ذکرشده براساس موضوع به دسته‌های مناسب‌ تفکیک و سازماندهی شده‌اند؛ به‌علاوه، الگوریتم‌ها و روش‌های اعتبارسنجی در هر مطالعه‌ ذکر شده است تا به‌عنوان راهنما مورد استفاده قرارگیرد؛ بنابراین مطالعه‌ی حاضر می‌تواند همچون مرجعی برای مطالعات آینده در این زمینه عمل کند.