استفاده از یادگیری ماشین برای پیشبینی ویسکوزیته اسیدهای ژلهای در مخازن کربناته: اعتبارسنجی شبکههای عصبی با دادههای آزمایشگاهی
نویسندگان
1 کارشناسی ارشد مهندسی مخازن، اداره مهندسی بهره برداری، شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران
2 کارشناسی ارشد مهندسی بهرهبرداری، اداره مهندسی بهرهبرداری، شرکت ملی مناطق نفتخیز جنوب، اهواز، ایران
3 کارشناسی مهندسی نفت، اداره مهندسی بهره برداری، شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران
doi
چکیده
در عملیات اسیدکاری از اسیدهای ژلهای بهعنوان منحرفکننده سیال به جهت افزایش راندمان عمابات در مخازن ناهمگن کربناته استفاده میشود. چالش اصلی در این زمینه، تغییرات ویسکوزیته ژلها در حین و پس از عملیات است. ویسکوزیته این ژلها بهشدت تحت تأثیر تغییرات pH قرار میگیرد و پیشبینی دقیق رفتار آنها میتواند به موفقیت عملیات کمک کند. این تحقیق به پیشبینی ویسکوزیته ظاهری ژل اسید بهعنوان تابعی از pH با استفاده از یادگیری ماشین پرداخته است. در این راستا، از روش یادگیری نظارتشده و الگوریتم شبکههای عصبی بهرهگیری شده است. دو مدل مختلف طراحی و نتایج آنها با دادههای آزمایشگاهی مقایسه شده است. هر دو شبکه عصبی شامل ۵ لایه بوده و هر لایه دارای ۱۵ نورون است. نتایج به دست آمده نشاندهنده دقت کافی مدلها هستند و میتوانند بهعنوان جایگزینی مؤثر برای اندازهگیریهای آزمایشگاهی عمل کنند.
