Characterization of tight-gas sand reservoirs from horizontal-well performance data using an inverse neural network

تشخیص شن و ماسه تنگی گاز با استفاده از داده های چاه های افقی در نقاط جداشده به علت ناهمگونی ذاتی و خصوصیات نفوذپذیری ذاتی این طبقه از منابع چالش برانگیز است. علاوه بر این، مشخصه های غیر قابل کنترل خواص هیدرولیکی شکست در امتداد چاه عمیق افقی، نیازمندی های مالی و عملیات وقت گیر را ضروری می سازد. در این مطالعه، مدل سازی مخزن برای مخازن شن و ماسه تنگ تولید شده و مورد آزمایش قرار گرفته است. مدل شرح داده شده بر اساس شبکه های عصبی مصنوعی آموزش دیده شده است که تعداد زیادی از سناریوهای شبیه سازی عددی مخازن شن و ماسه را تسهیل می کنند. مدل به صورت معکوس به منظور تخمین خواص مخزن و شکست هیدرولیکی طراحی شده است، زمانی که شرایط اولیه شناخته شده، پارامترهای عملیاتی کنترل شده و عملکرد عملکرد افقی به خوبی مشاهده می شود. اعتبار سنجی با موارد نابینایان با برآورد مخزن و ویژگی های شکستگی هیدرولیکی باعث خطای مطلق متوسط ​​20٪ شد. این مدل همچنین با داده های منتشر شده از یک عملکرد خوب در مخزن شستشوی گرانیت مورد آزمایش قرار گرفت. نرم افزار گرافیکی-کاربر-رابط کاربری که امکان استفاده از مدل را به شیوه ای عملی و کارآمد فراهم می کند، توسعه یافته است. عملی بودن مدل نیز با مطالعه موردی برای شکل گیری ویلیامز فورک با به دست آوردن تخمین احتمالاتی از ویژگی های شکست مخزن / هیدرولیکی با شبیه سازی مونت کارلو که محدوده عملکرد تولید مشاهده شده را نشان می دهد، نشان داده شده است.