KFUPM ePrints

Prediction of Mobility Profile with Minimum Real Time Measurements using Artificial Intelligence

l Prediction of Mobility Profile with Minimum Real Time Measurements using Artificial Intelligence. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF
12Mb

Arabic Abstract

إن للمعلومات في قطاع النفط دور كبير في تحقيق الإنتاجية الفعالة و تقليل التكلفة. كلما زادت معرفتنا أكثر عن حال المكمن، كلما تمكنا من إدارته و إنتاجه بشكل أفضل.إن برامج الأبحاث النشطة تركز على إكتساب المعارف والمعلومات لإضافة قيمة إلى عمليات النفط. إن القدرة على قياس سرعه حركة الزيت داخل المكمن تعد أحد أهم المفاتيح لتخطيط استراتيجيات تطوير وإنتاج الحقل بأفضل أساليب الإدارة الممكنة خصوصاً في الحقول متعددة قيم اللزوجة. إن أطروحة البحث هذه تقدم فكرة جديدة، وذلك بمحاولة تطوير نموذج للتنبؤ، يمكن أن يقلل من الاستثمارات المرصودة للحصول على قياسات قيم اللزوجة وذلك باستخدام أدوات الذكاء الاصطناعية. يمكن فهم هذا من حقيقة أن قيم اللزوجة تستخلص باستخدام أدوات اختبار المكمن وهي التي تنطوي على تكاليف كبيرة ابتداء بنقل المعدات إلى موقع الحفر وثم الحصول على بيانات قيم اللزوجة وهي التي تتطلب أخذ قرابة 100عينه لتمكين المهندسين من قيادة الجزء الأفقي من البئر النفطي للمكان الأفضل في المكمن. هذه الأطروحة تقدم دراسة التنبؤ لقيم اللزوجة باستخدام ثلاث أدوات ذكاء اصطناعية (الشبكة العصبية الاصطناعية, الشبكات الوظيفية وأجهزة المتجهات الاعتمادية) و باستخدام الحد الأدنى فقط من البيانات القادمة مباشرة من أداة الحفر. إن الأدوات الذكية الاصطناعية الثلاث أظهرت أداء ممتاز ولكن أداء الشبكة العصبية الاصطناعية كان الأفضل بين أداوت المحاكاة الثلاث.

English Abstract

In the oil business, information equals cost-effective productivity. The more that is known about reservoir conditions, the better the reservoir can be produced. Acquiring knowledge and information to add value to oilfield operations has always been the area of active research programs. In the fields with multiple viscosity values, the ability to measure the mobility is one of the main keys to plan the field development and production strategies for optimum reservoir management aspects. This thesis work will present a novel idea, trying to develop a prediction model that can reduce the investment of acquiring mobility data measurements utilizing Artificial Intelligent (AI) tools. A mobility profile is generated (using Formation Testing Tools) which involves significant costs for mobilizing the equipments to the rig site and then acquiring the data for a large number of sampling points. The mobility profile thus generated can help in efficient geo-steering for better placement of the horizontal section. This thesis deals with the prediction of the mobility profile using three AI tools (Artificial neural network (ANN), Functional network (FunNet) and Support vector machine (SVM)) while employing only minimum number of real time mobility sampling data points. The three AI tool showed excellent performance but the ANN performed the best among the three tools.



Item Type:Thesis (Masters)
Subjects:Petroleum > Reservoir Characterization
Divisions:College Of Engineering Sciences > Petroleum Engineering Dept
Committee Advisor:AlMajed, Abdulaziz
Committee Members:Abdulraheem, Abdulaziz and Enamul Hossain, Mohammad
ID Code:138433
Deposited By:Mubarak Dhufairi (g199652790)
Deposited On:28 Jun 2011 15:02
Last Modified:28 Jun 2011 15:02

Repository Staff Only: item control page