Ανάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης υπογείων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFA

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Ιδρυματικό Αποθετήριο Πολυτεχνείου Κρήτης
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2014 (EL)
Ανάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης υπογείων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFA (EL)

Κωττακη Νομικη (EL)
Kottaki Nomiki (EN)

Πολυτεχνείο Κρήτης (EL)
Γαγανης Βασιλειος (EL)
Γαλετακης Μιχαλης (EL)
Βαροτσης Νικολαος (EL)
Technical University of Crete (EN)
Gaganis Vasileios (EN)
Galetakis Michalis (EN)
Varotsis Nikolaos (EN)

Αντικείμενο της παρούσης διπλωματικής εργασίας είναι η ανάπτυξη ενός μοντέλου, που με την εφαρμογή των τεχνητών νευρωνικών δικτύων θα επιτρέπει την ασφαλή πρόβλεψη της γραμμομοριακής σύστασης πετρελαϊκών ρευστών της μορφής και αξιοποιώντας τις μετρήσεις του οπτικού αναλυτή ρευστών OFA (Optical Fluid Analyzer) που λαμβάνονται στο πεδίο κατά τη διάρκεια της αξιολόγησης μίας ερευνητικής γεώτρησης. Μέχρι σήμερα το OFA, που αποτελεί τμήμα του οργάνου διαγραφιών παραγωγής MDT, παρέχει κατά τη διάρκεια του τεστ μόνο την επί τοις εκατό κατά μάζα περιεκτικότητα του ρευστού σε και Για την ανάπτυξη του μοντέλου χρησιμοποιήθηκαν επιπλέον, πέραν των κατά μάζα περιεκτικοτήτων, μετρήσεις πεδίου που είναι πάντα διαθέσιμες όπως ο δείκτης πτητικότητας GOR, ο δείκτης πυκνότητας πετρελαίου API, και τέλος η σχετική πυκνότητα της αερίου φάσης . Η εκπαίδευση των τεχνητών νευρωνικών δικτύων πραγματοποιήθηκε χρησιμοποιώντας μια βάση δεδομένων 752 δειγμάτων πετρελαϊκών ρευστών. Οι προβλέψεις του μοντέλου για την επί τοις εκατό κατά mole περιεκτικότητα των ρευστών σε , , και κρίνονται ιδιαιτέρως ικανοποιητικές, όπως αποδεικνύουν τα αποτελέσματα επί ενός σετ ελέγχου με δεδομένα γεωτρήσεων τα οποία δεν ελήφθησαν υπόψιν από το μοντέλο κατά τη διαδικασία της εκπαίδευσής του, ενώ απλώς ικανοποιητικές κρίνονται οι προβλέψεις του για την επί τοις εκατό κατά mole περιεκτικότητα των ρευστών στα κλάσματα και . Η επιτυχής ανάπτυξη του μοντέλου μπορεί να αποδειχθεί ιδιαίτερα χρήσιμη στην βιομηχανία πετρελαίου καθώς οι προβλέψεις του διευρύνουν την πληροφορία επί της σύστασης του ρευστού του ταμιευτήρα σε ένα πολύ πρώιμο στάδιο σε σχέση με ότι ισχύει μέχρι σήμερα.Η πληροφορία που παρέχει σήμερα ο οπτικός αναλυτής ρευστών OFA στην βιομηχανία πετρελαίου δεν δύναται να αξιοποιηθεί αμέσως από τα μοντέλα προσομοίωσης PVT των ταμιευτήρων καθώς αυτά απαιτούν να εισαχθεί ο αναλυτικός χαρακτηρισμός κατά mole κι όχι κατά μάζα. Η διαθεσιμότητα των δεδομένων που παρέχει το μοντέλο ενισχύει την εμπιστοσύνη για την ακρίβεια των μελετών που θα εκπονηθούν από τους μηχανικούς πετρελαίων κατά τη διάρκεια του πρώιμου αυτού σταδίου κατά την αξιολόγηση μίας γεώτρησης. (EL)

bachelorThesis

Artificial neural networks,Nets, Neural (Computer science),Networks, Neural (Computer science),Neural nets (Computer science),neural networks computer science,artificial neural networks,nets neural computer science,networks neural computer science,neural nets computer science (EN)


Ελληνική γλώσσα

2014


Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Ορυκτών Πόρων (EL)
Technical University of Crete::School of Mineral Resources Engineering (EN)



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.