تم مناقشة رسالة الماجستيرالطالبة / طيبة جمال شاكر في قسم الهندسة النفط عن البحث الموسوم “Development of Artificial Intelligence Models to Estimate Rate of Penetration / Case Study East Baghdad Oil Field”
في يوم الاثنين الموافق 31 – 1- 2022 وبأشراف الدكتور / فرقد علي هادي .
وقد تشكلت لجنة المناقشة من السادة
- أ.د.فالح حسن محمد جامعة بغداد / كلية الهندسة رئيسا
- أ.م.د. حسن عبد الهادي عبد الحسين جامعة بغداد / كلية الهدسة عضوا
- أ.م.د. فاضل سرحان كاظم الجامعة التكنولوجية / قسم تكنولوجيا النفط عضوا
- م.د. فرقد علي هادي جامعة بغداد / كلية الهندسة مشرفا
تناول البحث
ملخص عن الرسالة / الاطروحة
يعد التنبؤ الدقيق لمعدل الاختراق طريقة قوية في تقليل الكلفة والوقت غير المنتج اثناء عمليات الحفر. التحدي الكبير في تنبؤ معدل الاختراق هو الترابط المعقد بين معاملات الحفر. لذلك فأن استخدام تقنيات الذكاء الاصطناعي في تحسين الحفر له اهمية كبيرة في تقدير معدل الاختراق بدقة عالية .
ان الهدف الاساسي من الدراسة الحالية هو تطوير نماذج جديدة لتقدير معدل الاختراق في الحجر الرملي (تكوينات نهر عمر والزبير) والكاربونات (تكوينات السعدي ، تنومة والخصيب) في حقل شرقي بغداد / المنطقة الجنوبية بواسطة استخدام اربعة انواع من تقنيات الذكاء الاصطناعي . تقنيات الذكاء الاصطناعي المستخدمة هي : نظام الاستدلال الضبابي ، والة ناقلات الدعم ، والخوارزمية الجينية ،والشبكة العصبية الاصطناعية.تعتمد تقنيات الذكاء الاصطناعي المقترحة على الحصول على بيانات الادخال من تسجيل الطين ، وسجل الحافرات ، وبيانات تسجيل المجسات السلكية ، حيث تم توفير هذه البيانات الضرورية من قبل شركة نفط الوسط . ان البيانات المستخدمة للتنبؤ بمعدل الاختراق هي معاملات يمكن التحكم بها (الوزن على الحافرة ، سرعة الدوران ، ضغط الانبوب الرأسي ،معدل الجريان ، العزم الدوراني ، وحمل الخطاف ) ومعاملات لا يمكن التحكم بها ( العمق الحقيقي ، زمن انتقال الموجة الصوتية ، المسامية وقوة الصخور).
تم استخدام برنامج ( JMP ) لتحليل البيانات .تم استخدم برنامج) MATLAB ) لنمذجة الشبكة العصبية الاصطناعية .وتم استخدام برنامج (Visual Studio Code) لنمذجة نظام الاستدلال الضبابي والة ناقلات الدعم والخوارزمية الجينية .
اظهرت النتائج التي تم الحصول عليها من الدراسة الحالية ان تقنية الشبكة العصبية الاصطناعية يمكنها التنبؤ بمعدل الاختراق بكفاءة عالية. وبالاضافة الى ذلك ، فان تقنيات الة ناقلات الدعم ونظام الاستدلال الضبابي يمكنها ان تحقق نتائج موثوقة في التنبؤ بمعدل الاختراق ، لكن تقنية الخوارزمية الجينية اظهرت كفاءة اقل في تقدير معدل الاختراق . في عملية التدريب ، كانت قيم معامل الارتباط التي تم الحصول عليها لتقنيات الشبكة الاصطناعية العصبية والة ناقلات الدعم ونظام الاستدلال الضبابي والخوارزمية الجينية هي (0.94 ، 0.90 ،0.93 ،0.76) للبئر الاول (تكوينات الحجر الرملي ) بينما كانت (0.98 ،0.93 ، 0.88 ، 0.47) للبئر الثاني (تكوينات الكاربونات ) على التوالي . في المقابل ، كانت قيم الخطأ لعملية التدريب لتقنيات الشبكة الاصطناعية العصبية والة ناقلات الدعم ونظام الاستدلال الضبابي والخوارزمية الجينية هي (0.21 ، 0.51 ،0.32 ، 2.26 ) و (0.10 ، 0.35 ،0.77 ،2.30) للبئرين الاول والثاني على التوالي .
تم تحقيق نموذج جيد للشبكة العصبية الاصطناعية باستخدام طبقة مخفية واحدة وستة خلايا عصبية مخفية ودالة التنشيط (TANH) . العوامل المؤثرة التي تتحكم في دقة تقنية الة ناقلات الدعم والتي نتج عنها افضل نموذج هي عامل الجزاء (10)، عامل ابسيلون (0.001) ودالة (RBF). كما تم تحقيق افضل نموذج لنظام الاستدلال الضبابي من خلال استخدام دالة ( Gaussian) وثلاث ارقام لدالة العضوية .
كشفت النتائج التي تم الحصول عليها من خلال التحقق من صحة النماذج المطورة عن تطابق جيد بين معدل الاختراق الحقيقي ومعدل الاختراق المتنبأ به باستخدام تقنيات الشبكة العصبية الاصطناعية والة ناقلات الدعم ونظام الاستدلال الضبابي بينما اظهر نموذج الخوارزمية الجينية تطابق رديء.
ممكن مشاهدة فيديو المناقشة عبر الرابط الاتي :
https://youtu.be/YptUmohtCHs
