Корреляционные взаимосвязи между некоторыми свойствами нефти и газа, полученные с использованием нейронных сетей

UDK: 622.276.1/.4
DOI: 10.24887/0028-2448-2019-7-104-106
Ключевые слова: cвойства нефти и газа, искусственная нейронная сеть, давление насыщения, объемный коэффициент, корреляция РVT, свойства РVT
Авт.: Ф. Хадавимогаддам (РГУ нефти и газа (НИУ) имени И.М. Губкина), И.Т. Мищенко (РГУ нефти и газа (НИУ) имени И.М. Губкина), д.т.н.

При подсчете запасов углеводородов, оценке коэффициента извлечения нефти, исследовании скважин, численном моделировании коллекторов и решении других задач очень важно знать PVT-свойства пластовых флюидов. Когда надежные экспериментальные данные о PVT свойствах нефти недоступны или отсутствуют, для их расчета могут использоваться два подхода. Первый подход связан с использованием известных уравнений состояния, но при этом необходима точная информация о компонентах пластовых флюидов. Получение такой информации требует много времени, большого объема вычислений и является достаточно дорогостоящим процессом. Второй подход основан на применении известных корреляционных связей между свойствами флюидов. Большинство таких корреляций для нефти описывается линейными или нелинейными уравнениями регрессии. Их недостатком является невысокая точность, связанная с ограниченным диапазоном использованных наборов исходных данных, на базе которых построены корреляции.

В статье предложена более надежная и точная методика прогнозирования PVT-свойств нефти месторождений Ирана с использованием искусственных нейронных сетей. В результате анализа нескольких нейронных сетей с различным числом нейронов в скрытом слое для каждого PVT-свойства определена наилучшая структура нейронной сети с соответствующими весами и смещениями. В рассмотренной модели нейронной сети давление насыщения и объемный коэффициент являлись выходными данными, а газонасыщенность пластовой нефти, плотнотность нефти и газа, а также температура – входными. Сравнение наиболее известных корреляционных зависимостей и нейронной сети для прогнозирования давления насыщения и объемного коэффициента нефти показало, что наилучшие результаты получены при использовании нейронной сети.

Список литературы

1. Aleksander I., Morton N., An introduction to neural computing. – London: Chapman and Hall, 1990. – 240 p.

2. Al-Marhoun M.A. New correlations for formation volume factors of oil and gas mixtures // J. Can. Pet. Technol. – 1992. – V. 31. – P. 22–26.

3. Al-Marhoun M.A. Evaluation of empirically derived PVT properties for Middle East crude oils // J. Pet. Sci. Eng. – 2003. – V. 42. – P. 209–221.

4. Standing M.B. A pressure-volume-temperature correlation for mixtures of California oils and gasses. In: Drilling and Production Practice. Tulsa, OK: American Petroleum Institute, 1947. – P. 275–278.



Внимание!
Купить полный текст статьи (формат - PDF) могут только авторизованные посетители сайта.