文献

J-GLOBAL ID：202202272749264417   整理番号：22A0327188

石油生産に及ぼす仕上パラメータの影響の深層学習ベース感度解析【JST・京大機械翻訳】

Deep learning-based sensitivity analysis of the effect of completion parameters on oil production

著者 (2件)： Tatsipie Nelson R.K. (Department of Petroleum Engineering, Texas Tech University, 807 Boston Ave., Lubbock, TX 79409, USA) ,  Sheng James J. (Department of Petroleum Engineering, Texas Tech University, 807 Boston Ave., Lubbock, TX 79409, USA)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 209  ページ： Null  発行年： 2022年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： あらゆる炭化水素の目標は,石油および/またはガス生産量を最大化することであるが,坑井仕上および貯留層パラメータの最適化は,非在来型分野の開発にとって極めて重要である。良好な最適化ツールは感度解析である。人工ニューラルネットワーク(ANNs)は,かなり新生であるが強力な技術であり,同様の形成内の炭化水素生産に対する坑井完了と貯留層パラメータの影響を捉えることができる。これはANNモデルが複雑な従属変数と説明変数の間の基礎と複雑な相関を捉えるという証明記録を持つからである。本研究では,石油生産の最初の6か月を予測するANNモデルを訓練するための入力として,位置,パーフォレーションインターバルの足当たりの流体体積,パーフォレーションインターバル,平均空隙率,平均水飽和度,および平均透過度の使用を提案した。”Porbent of Perfored Interval”,平均Porkity,平均水飽和度,および平均透過率を入力として提案した。次に,石油生産に対する様々な坑井仕上と貯留層パラメータ(ペルフォードインターバルの1足当たりの流体量,パーフォレーションインターバルのPounds of Pown of Perfored Interval)の効果を探索するための基礎としてANNモデルを使用した。使用したデータセットは,中央Bakkenからの464の井戸から成った。323の井戸をモデル訓練,検証のための69,試験のための69,および感度解析のための3つの井戸に使用した。4109.31bblの二乗平均誤差と0.78のR二乗平均誤差を有するANNモデルの平均性能は,本研究で記述したワークフローが,刺激された水平井の石油生産を予想する実行可能な方法であることを示唆する。感度解析は,次に,生産価値を推論する実行可能な方法を,完了し,そして,刺激パラメータ変化を修正するべきである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *石油 ,  *感度解析 ,  ニューラルネットワーク ,  炭化水素 ,  採ガス ,  パーフォレーション ,  坑井 ,  *採油 ,  坑井仕上 ,  モデル ,  空隙率 ,  *パラメータ ,  水平井
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

著者キーワード (4件)： ANN ,  感度解析 ,  完成 ,  刺激

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： 石油生産 ,  仕上 ,  パラメータ ,  深層学習 ,  感度解析