Comparison of Perceptron and Recursive Artificial Neural Networks In Recognition of Oil Reserves

Mehrafarin Moghimihanjani¹ Farhad Iraji²

Abstract :
The structure of hydrocarbon reservoirs is so complex and heterogeneous that is impossible to identify them directly. Therefore indirect methods of recognizing oil reservoirs such as well tests have become very popular. Identifying the reservoir and boundary model using pressure derivative charts is one of the most important steps in identifying a reservoir. In this study, artificial neural networks such as perceptron and recurrent were used to identify the homogeneous reservoir model and double porosity with four infinite outer boundaries, constant pressure, completely closed, and single- fault without stream. The optimal structure of the proposed networks is using the methods of trial and error and minimizing the mean relative error of the specified training and experimental data. The accuracy of the proposed neural network classification has been considered and compared using simulation and field data. The results showed that the neural network-based model was able to identify the actual model of the reservoir and boundary from the well data. The recurrent neural network has shown that it is more qualified and accurate than the perceptron network and is more capable of classifying experimental well data. These networks have a total accuracy of 98.39%, while the perceptron network provides an accuracy of 95.83%.

Keywords : well test pressure derivation artificial neural networks reservoir model and boundary

---

زبان مقاله : انگلیسی
محور مقاله : علوم مهندسی
محل انتشار : دومین کنگره بین المللی علوم و مهندسی - پاریس
آدرس وب سایت کنفرانس : parisconf.com
کد IOI مقاله : XCAZ-EFGEK
لینک مستقیم مقاله : https://isnac.ir/XCAZ-EFGEK
نمایش چکیده فارسی : https://isnac.ir/SA/XCAZ-EFGEK

سایر مقالات ارائه دهنده

1. روش های کنترل تولید ماسه در میادین نفتی
2. هیدرات های گازی و روش های جلوگیری از تشکیل آن
3. کاربرد هوش مصنوعی در صنعت نفت
4. کاربرد تزریق گاز کربن دی اکسید در ازدیاد برداشت از مخازن نفتی
5. ارزیابی و تحلیل انواع آسیب¬های مخازن نفتی
6. کاربرد استفاده از میکرو مدل محیط متخلخل در صنعت نفت
7. Comparison of Perceptron and Recursive Artificial Neural Networks In Recognition of Oil Reserves
8. تاثیر الگوی قرارگیری چاه¬ها در بازده عملیات ازدیاد برداشت نفت در یکی از مخازن جنوب ایران

سایر مقالات محل انتشار

1. Radioactive wastewater and solutions: an Important challenge for humans and environment
2. Infinite Universes, Pshi Unit & Goopn Hypothesis
3. Analysis of weight on bit on torsional stick/slip vibration of drill string
4. بررسی آرای ترافعی دیوان بین المللی دادگستری درتوسعه حقوق بشر
5. نگاه کلی مدیریت یکپارچه شهری با ابعاد زیست محیطی و نقش آموزش فناوری اطلاعات در کاهش چالش زیست محیطی با تاکید بر توسعه پایداری شهری
6. طراحی مجتمع مسکونی با رویکرد صفر انرژی ZEB و تکیه بر سامانه های غیر فعال خورشیدی
7. Reinforcing building adobe by Laser Shock technology and thermal retrofitting
8. بررسی تأثیر فاکتورهای سبک بخشودگی برشادکامی زنان متأهل دانشجو
9. مدیریت پسماند و تولید بیوگاز
10. Classification of Sentinel-2 satellite imagery in Iran for geological purposes using deep convolutional neural networks: a case study for soil type identification
11. بررسی و ارزیابی رسوب آسفالتین در مخازن نفتی
12. The Effect of a Nasm Method (American Academy of Sports Medicin )Range of genu varum in Players of the Paleolithic team in Tabriz city
13. Preparation of 6-mercaptopurine Imprinted hydrophilic Nanospheres as Novel Drug Delivery System
14. ساخت کرم سلولی ضد آفتاب گیاهی با استفاده از سرم خون انسانی
15. Synthesis of molecularly imprinted polymers for the application of selective Vindesine as Novel Drug Delivery System