Zeitschrift für Erdöl- und Umweltbiotechnologie

Abstrakt

Hybrider künstlicher intelligenter Ansatz zur Bestimmung der Wassersättigung mithilfe der Archies-Formel in Karbonatreservoirs

Hamada GM*, Al-Gathe AA und Al-Khudafi AM

Die genaue Bestimmung der Wassersättigung ist für die Erdöltechnik immer noch eine Herausforderung. Dieses Problem wird noch schwieriger, wenn wir mit Karbonatgesteinen arbeiten. Es gibt einige verfügbare Techniken zur Bestimmung der Wassersättigung. Die Genauigkeit dieser Techniken ist jedoch nicht mehr so ​​hoch, dass sie die besten Ergebnisse liefern. Es wurden mehrere verfügbare Techniken zur Schätzung der Wassersättigung verwendet, wie konventionelle, CAPE (a, m, n), CAPE (1, m, n) und 3D-Methoden. Derzeit öffnen allein die Errungenschaften der Techniken der künstlichen Intelligenz (KI) die Tür zur Verwendung von Hybridsystemen wie (PSONN). In diesem Modell wird die Technik der Partikelschwarmoptimierung (PSO) eingesetzt, um nach optimalen Verbindungsgewichten und Schwellenwerten für die neuronalen Netzwerke (NN) zu suchen, dann werden die Backpropagation-Lernregel und der Trainingsalgorithmus verwendet, um die endgültigen Gewichte anzupassen. Insgesamt wurden etwa 383 Datenpunkte aus Labormessungen elektrischer Eigenschaften von Karbonatkernpfropfen aus einem Reservoir im Nahen Osten verwendet, um die vorgeschlagene Technik umzusetzen. Statistische Analysen und Vergleichsstudien zeigen, dass die Leistung des PSONN-Modells am besten ist, mit einem niedrigeren quadratischen Mittelwertfehler (0,092) und einer höheren Genauigkeit des Korrelationskoeffizienten (0,95) als bei früheren Methoden. Die Ergebnisse zeigten, dass das neue hybride PSONN-Modell einige verfügbare Methoden übertrifft und die Schwächen überwindet, wenn wir nur KI verwenden. Aus der Fehleranalyse geht hervor, dass CAPE- und 3-D- und PSONN-Methoden einen minimalen Fehler bei den Wassersättigungwerten gewährleisten.