Rate Transient Analysis via Artificial Intelligence

Das Ziel dieser Forschungsarbeit ist die Entwicklung eines mathematischen Modells als Reservoir-Sch酹zungswerkzeug f natlich frakturierte Reservoirs mit doppelten seitlichen Bohrlochkonfigurationen. Das in dieser Studie vorgeschlagene Werkzeug umfasst ein vorw酺tsgerichtetes kstliches neuronales Netzwerk (ANN) mit der F鄣igkeit, Produktionsdaten anhand bekannter Reservoir- und Bohrlochdesignparameter vorherzusagen. Das vorgeschlagene Werkzeug umfasst auch eine inverse ANN-Komponente, mit der die Permeabilit酹 und Porosit酹 der Matrix und der Fraktur sowie der Fraktur-Abstand und die Reservoirdicke vorhergesagt werden k霵nen. Mit Hilfe des vorgeschlagenen Werkzeugs w酺e der Benutzer in der Lage, sofort vorhergesagte Reservoir- oder Produktionsdaten mit weniger Kosten und Zeitaufwand zu analysieren. Die zur Entwicklung des Tools verwendete Software umfasste MATLAB, EXCEL und eine kommerzielle Modellierungssoftware. Die Verfahren werden in den folgenden Kapiteln vorgestellt und erl酳tert, darunter die Generierung von Trainingsdaten, die Auswahl von Trainingsdatens酹zen sowie das Training von vorw酺tsgerichteten und inversen ANN-Modellen. Darer hinaus wurde f jedes ANN eine grafische Benutzeroberfl踄he (GUI) entwickelt und zusammengestellt, er die der Benutzer die Ergebnisse in numerischer und grafischer Form anzeigen kann.