تمت بعون الله تعالى مناقشة رسالة الماجستير الموسومه ب ( تقدير معدل الاختراق بواسطة موديل الشبكات العصبية لحقل نفطي عراقي ) والمقدمة من قبل الطالب (زاهر جبار عطوان آلزيرج ) في يوم السبت الموافق 07-12-2019 في قاعة الدراسات العليا في قسم هندسة النفط / كلية الهندسة/ جامعة بغداد وقد اشرف على اعداد الرساله (أ.م.د. حسن عبد الهادي عبد الحسين ) وتالفت لجنة المناقشة من
أ.د.محمــد صالــح الجواد/ رئيســــــآ / جامعــة بغــداد-كليــة الهندســة-قســـم النفـــط
أ.م. د. أياد عبد الحليم عبد الرزاق /عضوآ/ جامعة بغــداد-كلية الهندســة-قسم النفـــط
م.د. محمد عبد الأميــرعبد النبي /عضوآ / جامعة ميـسان-كليــة الهندســة-قسـم النفــط
أ.م.د. حسن عبد الهادي عبد الحسين/ مشرفآ / جامعة بغداد-كلية الهندسة-قسم النفــط
ملخص الاطروحة:
يساعد التحليل والتنبؤ الدقيق لمعدل الاختراق في انجازعمليات حفرالابارفي حقول النفط والغاز بأقل تكلفة ووقت ومجهود ومعدل اختراق فعال.
ان الهدف الرئيســــي من هذا البحث هو تقديم وتطوير موديل تنبؤي لمعدل الاختراق لخمسة تكوينات هي (الخصيب ، عليجي ، الهارثا ، السعدي وفارس الاعلى ) في حقل الاحدب النفطي وتحديد متغيرات الحفر ، التي تتحكم وذات التاثير على التنبؤ بمعدل الاختراق باستخدام الشبكات العصبية الاصطناعية.
تعتمد طريقة الشبكة العصبية الاصطناعية المقترحة على الحصول على بيانات المدخلات من بيانات تسجيل الطين ، وسجل الحافرات ، وليثولوجي الطبقات ، والمعلومات الجيولوجية ، وبيانات تسجيل المجسات السلكية، حيث تم توفير البيانات الضرورية لانجاز البحث عن طريق مركز البحث والتطوير النفطي من شركة نفط الوســـط.
ولاعداد البحث تم استخـــدام العــديد من البــرامجيــات الالكترونيـــــــــــــــة وهــــــي (Interactive Petrophysics) الاصــــــــدار (4.2,275,2013) لتحويل البيانات الاولية
(LAS Readings) لقراءات مجس زمن انتقال الموجات الصوتية
(Sonic Wave Travel Time) من اجزاء المتر الى المتر مع العمق. وتم استخدام الاصدار (22) من البرنامج الاحصائي (IBM SPSS) لإنشاء ربط بين متغيرات الحفر ومعدل الاختراق ،وتحديد القيم المتطرفة والغير مناسبة من بين البيانات المدخلة وكذلك تحديد المتغيرات ذات التأثير الاكبر اتجاه معدل الاختراق بواسطة اجراء تحليل الانحدار المتعدد وكذلك تم استخدام الاصدار (11) من برنامج ال JMP من (SAS Institute Inc.) لاجراء تحليل الشبكة العصبية الاصطناعية.
تم بناء نموذج الشبكة العصبية والتي تكونت من طبقة الإدخال ، الطبقة المخفية وطبقة المخرجات وتم تطبيق دالة القطع الزائدي (TanH ) كخوارزمية التعلم والتدريب.
تم استخدام معياران إحصائيان ، هما R Square أو معامل التحديد و الجذر التربيعي لمعدل الخطأ ( Root Mean Square Error) ، كمعيار أداء تنبؤي لمعدل الاختراق وتم مقارنة القيم الممستحصل عليها من معدل الاختراق من موديل الشبكة العصبية الاصطناعية مع القيم المقاسة حقليآ وكذلك مع نتائج تحليل الانحدار المتعدد.وبناءً على النتائج التي تم الحصول عليها ، فإن أكثر متغيرات الحفر التي لها تأثير على معدل الحفر هي معدل الجريان ، العمق ، الوزن على الحافرة ، سرعة دوران المنضدة الدوارة ، العزم الدوراني ، زمن انتقال الموجة الصوتية ، وسرعة مضخة سائل الحفر .
وتم الحصول على قيم جيدة ومقبولة من ( R²) ومنخفضة من (RMSE) عند إزالة القيم المتطرفة مقارنة بتحليل الانحدار .وتم الحصول على قيم (R²) التالية (0.94 ، 0.92، 0.94 ، 0.94 و 0.75) لمجموعة التدريب و (0.91 ، 0.87 ، 0.92،0.91 و 0.75) لمجموعة التحقق لـلتكوينات ( الخصيب ، عليجي ، الهارثا، السعدي وفارس الاعلى )على التوالي.
أخيرًا ، تم اقتراح معادلات رياضية للتكوينات الخمسة اعتمادًا على متغيرات الحفر المستقلة للتنبؤ بمعدل الاختراق وتم توفير ( Weights and Biases) لكل تكوين وتم استخدام برنامج (Microsoft Excel) و مجموعات بيانات جديدة من الآبار لم تستخدم في مجموعة التدريب للتحقق من صحة موديل معدل الاختراق المقترح بواسطة الشبكة العصبية الاصطناعية وحساب قيم معدل الاختراق والتحقق من صحتها بدقة جيدة.
