Ứng dụng ANN trong dự báo áp suất nứt vỉa
Tóm tắt
Dự báo áp suất nứt vỉa là công việc quan trọng khi lên kế hoạch thiết kế giếng khoan, cho phép kiểm soát, vận hành, kích thích giếng hoạt động hiệu quả. Nếu dự báo không chính xác áp suất nứt vỉa có thể gây ra các vấn đề nghiêm trọng như: mất tuần hoàn dung dịch khoan hoặc xảy ra hiện tượng "kick" dẫn đến phun trào…
Bài báo giới thiệu các ứng dụng của trí tuệ nhân tạo trong lĩnh vực dầu khí, sử dụng phương pháp sử dụng ANN dựa trên các dữ liệu đầu vào gồm: độ sâu, hệ số Poisson, ứng suất địa tĩnh, áp suất lỗ rỗng và dữ liệu đầu ra là áp suất nứt vỉa để xây dựng mô hình dự báo áp suất nứt vỉa cho giếng khoan thuộc bể Nam Côn Sơn. Nhóm tác giả đã so sánh với kết quả dự báo bằng phương pháp truyền thống cho thấy phương pháp sử dụng ANN cho kết quả dự báo áp suất nứt vỉa sát với kết quả đo thực tế nhất.
Các tài liệu tham khảo
2. E.S.Pennebaker. An engineering interpretation of seismic data. Fall Meeting of the Society of Petroleum Engineers of AIME, Houston, Texas. 29 September - 2 October.
3. Ben A.Eaton. Fracture gradient prediction and its application in oilfield operations, Journal of Petroleum Technology. 1969; 21(10): p. 1353 - 1360.
4. W.R.Matthews, John Kelly. How to predict formation pressure and fracture gradient from electric and sonic logs. Oil and Gas Journal. 1967: p. 39 - 43.
5. L.A.MacPherson, L.N.Berry. Prediction of fracture gradients from log derived moduli. The Log Analyst. 1972.
6. Stan A.Christman. Offshore fracture gradients. Journal of Petroleum Technology. 1973; p. 910 - 914.
7. R.A.Anderson, D.S.Ingram, A.M.Zanier. Determining fracture pressure gradients from well logs. Journal of Petroleum Technology. 1973.
8. P.Bellotti, D.Giacca. Seismic data can detect overpressures in deep drilling. Oil and Gas Journal. 1978.
9. E.M.Shokir. Neuron network determines shaly-sand hydrocarbon saturation. Oil & Gas Journal. 2001.
10. Henrique V.da Silva, Celso K.Morooka, Ivan R.Guilherme, Tiago C.da Fonseca, José R.P.Mendes. Leak detection in petroleum pipelines using a fuzzy system. Journal of Petroleum Science and Engineering. 2005; 49(3 - 4): p. 223 - 238.
11. S.J.Cuddy, P.W.J.Glover. The application of fuzzy logic and genetic algorithms to reservoir characterization and modeling. Soft Computing for Reservoir Characterization and Modeling. 2002.
12. Alpana Bhatt, Hans B.Helle. Committee neuron networks for porosity and permeability prediction from well logs. Geophysical Prospecting. 2002: p.645 - 660.
13. Fatai Adesina Anifowose, Abdulazeez Abdulraheem. Prediction of porosity and permeability of oil and gas reservoirs using hybrid computational intelligence models. North Africa Technical Conference and Exhibition, Cairo, Egypt. 14 - 17 February, 2010.
14. S.R.Shadizadeh, F.Karimi, M.Zoveidavianpoor. Drilling stuck pipe prediction in Iranian oil fields: An artificial neuron network approach. Iranian Journal of Chemical Engineering. 2010; 7(4): p. 29 - 41.
15. Fatai Adesina Anifowose, AbdlAzeem Oyafemi Ewenla, Safiriyu Ijiyemi Eludiora. Prediction of oil and gas reservoir properties using support vector machines. International Petroleum Technology Conference, Bangkok, Thailand. 15 - 17 November, 2011.
16. R.Gholami, A.R.Shahraki, M.Jamali Paghaleh. Prediction of hydrocarbon reservoirs permeability using support vector machine. Mathematical Problems in Engineering. 2012.
17. HZ Raja, F Sormo, ML Vinther. Case-based reasoning: predicting real-time drilling problems and
improving drilling performance. SPE Middle East Oil and Gas Show and Conference, Manama, Bahrain. 25 - 28 September, 2011.
18. Md. Alhaz Uddin, Mohammed Jammeel, Hashim Abdul Razak. Application of artificial neuron network in fixed offshore structures. Indian Journal of Geo-Marine Sciences. 2012.
19. R.Keshavarzi, R.Jahanbakhshi, M.Rashidi. Predicting formation fracture gradient. In oil and gas wells: A neuron network approach. 45th U.S. Rock Mechanics/Geomechanics Symposium, San Francisco, California. 26 - 29 June, 2011.
20. M.Heidarian, H.Jalalifar, A.Rafati. Prediction of rock strength parameters for an Iranian oil field using neurofuzzy method. Journal of AI and Data Mining. 2016; 4(2): p. 229 - 234.
21. T.O.Odedele, H.D.Ibrahim. Predicting oil well gas lift performance and production optimization using hybrid particle swarm optimization and fuzzy support vector machines. World Congress on Engineering. 2016.
22. Schlumberger Oilfield Glossary. Oilfield glossary. http://www.glossary.oilfield.slb.com/.
23. Adam Bourgoyne Jr, Keith Miliheim, Martin Chenevert, KS Young Jr. Applied drilling engineering.
Society of Petroleum Engineers. 1986.
24. Jincai Zhang, Shang-Xian Yin. Fracture gradient prediction: an overview and an improved method. Petroleum Science. 2017; 14(4): p. 720 - 730.
25. Opeyemi Bello, Javier Holzmann, Tanveer Yaqoob, Catalin Teodoriu. Application of artificial intelligence methods in drilling system design and operations: a review of the state of the art. Society of Petroleum Engineers. 2015; 5(2): p. 121 - 139.
26. Agnar Aamodt, Enric Plaza. Case-Based reasoning: Foundational issues, methodological variations, and system approaches. Artificial Intelligence Communications. 1994; 7(1): p. 39 - 52.
27. Warren S. McCulloch, Walter Pitts. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics. 1943; 5(4): p.115 - 133.
28. Adel Malalah, Ibrahim Sami Nashawi . Estimating the fracture gradient coefficient using neuron networks for a field in the Middle East. Journal of Petroleum Science and Engineering. 2005; 49(3 - 4): p. 193 - 211.
29. M.H.Beale, M.T.Hagan, H.B.Demuth. Neuron network toolbox user's guide. The MathWorks. 2015
1. Tác giả giao bản quyền bài viết (tác phẩm) cho Tạp chí Dầu khí, bao gồm quyền xuất bản, tái bản, bán và phân phối toàn bộ hoặc một phần tác phẩm trong các ấn bản điện tử và in của Tạp chí Dầu khí.
2. Bằng cách chuyển nhượng bản quyền này cho Tạp chí Dầu khí, việc sao chép, đăng hoặc sử dụng một phần hay toàn bộ tác phẩm nào của Tạp chí Dầu khí trên bất kỳ phương tiện nào phải trích dẫn đầy đủ, phù hợp về hình thức và nội dung như sau: tiêu đề của bài viết, tên tác giả, tên tạp chí, tập, số, năm, chủ sở hữu bản quyền theo quy định, số DOI. Liên kết đến bài viết cuối cùng được công bố trên trang web của Tạp chí Dầu khí được khuyến khích.
