A Novel Hybrid Computational Intelligence Model for the Characterization of Oil and Gas Reservoirs

(2009) A Novel Hybrid Computational Intelligence Model for the Characterization of Oil and Gas Reservoirs. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
Thesis_Writeup.pdf

Download (1MB) | Preview

Arabic Abstract

يتزايد الإقبال على تهجين التقنيات المتعددة للذكاء الحاسوبي في نموذج واحد. وقد أظهرت الدراسات أن مؤشرات أداء النماذج المهجنة بعد الدمج يكون أفضل منها كل على حدى. ومن هنا كان للأنظمة الهجينة الأهمية القصوى في مجال تمثيلِ ودراسة خصائص المخازن النفطية لمهندسي النفط، والتي تتطلب دقة تنبؤ عالية لإستكشاف واستغلال وإدارة موارد النفط والغاز بشكل أمثل. قمنا في هذه الأطروحة بإستخدام بعض قدرات الذكاء الحاسوبي والتنقيب عن البيانات في التنبؤ بمسامية ونفاذية الصخور، وهما وصفان مهمان للمخازن النفطية. واعتمد العمل فى هذه الأطروحة على النوع الثاني من الأنظمة الضبابة، أجهزة المتجهات الإعتمادية والشبكات الوظيفية في توصيف معلومات أحد عشر بئرا نفطياً. وقد تم تهجين نموذجين في هذه الأطروحة بحيث تقوم الشبكات الوظيفية فى كليهما بإختيار المتغيرات التنبؤية التدريبية، وذلك إعتماداً على ما تتمتع به هذه الشبكات من تقريب للوظيفة والتمثيل الأقرب بحسب مؤشر الخطأ المربع الأدنى. في نموذج التهجين الأول المعتمد على الشبكات الوظيفية متبوعة بالأنظمة الضبابية فأجهزة المتجهات الإعتمادية (FFS) تم إدخال المتغيرات التنبؤية على النوع الثاني من الأنظمة الضبابة للتعامل مع الشكوك ولإستخراج قواعد الإستنتاج، بينما قامت أجهزة المتجهات الإعتمادية بعملية التنبؤ النهائية. أما في نموذج التهجين الثانى المعتمد على الشبكات الوظيفية متبوعة بأجهزة المتجهات الإعتمادية فالأنظمة الضبابية (FSF) فقد تم إدخال المتغيرات التنبؤية على أجهزة المتجهات الإعتمادية لنقلها لدرجة أعلى من الأبعاد، ومن ثم تمرير الناتج للأنظمة الضبابية للتعامل مع الشكوك ولإستخراج قواعد الإستنتاج، بينما قامت أجهزة المتجهات الإعتمادية بعملية التنبؤ النهائية. وقد أظهرت نتائج المحاكاة على نفس المدخلات أن النماذج الهجينة بمعاملات ارتباطها الأعلى تتصرف بشكل أفضل من أي منها كل على حدى. وقد تتطلبت النماذج الهجينة وقتا أقل للتدريب والتجريب من النماذج الضبابية من النوع الثاني، لكنه أكبر من الذي يتطلبه كل من الشبكات الوظيفية وأجهزة المتجهات الإعتمادية. وقد يكون هذا هو الثمن المقابل للنموذج المهجن الأقوى والأدق. كما تصرف النظام الهجين الثلاثي بكفاءة تفوق التهجين الضبابي وأجهزة المتجهات الإعتمادية من حيث معاملات إرتباطها الأعلى ووقت التشغيل الأقل، ويرجع هذا للدور الفعال للشبكات الوظيفية كأداة لإختيار أفضل المتغيرات في النموذج الهجين.

English Abstract

The process of combining multiple computational intelligence techniques to build a single hybrid model has become increasingly popular. As reported in the literature, the performance indices of these hybrid models are shown to be better than the individual components when used alone. Hybrid models are extremely useful in the field of reservoir characterization in Petroleum Engineering, which requires high-accuracy predictions for efficient exploration, exploitation and management of oil and gas resources. In this thesis, we have utilized the capabilities of data mining and computational intelligence in the prediction of porosity and permeability, two important petroleum reservoir characteristics, based on the hybridization of Type-2 Fuzzy Logic, Support Vector Machines, and Functional Networks, using eleven well logs. Two hybrid models were built. In both, Functional Networks, using its functional approximation capability with least square fitting algorithm, were used to select the best of the predictor variables for training directly from input data. In the first model, Functional Networks-Fuzzy Logic-Support Vector Machines (FFS), the selected predictor variables were passed to Type-2 Fuzzy Logic System to handle uncertainties and extract inference rules, while Support Vector Machines made the final predictions. In the second model, Functional Networks-Support Vector Machines-Fuzzy Logic (FSF), the selected predictor variables were passed to Support Vector Machines to transform them to a higher dimensional space, and then to Type-2 Fuzzy Logic to handle uncertainties, extract inference rules and make final predictions. The simulation results showed that the hybrid models perform better than the individual techniques when used alone on the same datasets with their higher correlation coefficients. The hybrid models took less execution time for both training and testing than the Type-2 Fuzzy Logic, but more time than Functional Networks and Support Vector Machines. This may be the price for having a better and more robust model. The hybrid models also performed better than a hybridization of just two of the individual components, Type-2 Fuzzy Logic-Support Vector Machines, in terms of both higher correlation coefficients and lower execution times. This is due to the effective role of Functional Networks, as a best-variable selector in the hybrid models.

Item Type: Thesis (Masters)
Subjects: Research > Information Technology
Research > Petroleum
Computer
Earth Sciences
Petroleum > Reservoir Characterization
Petroleum > Reservoir Modelling and Simulation
Petroleum > Enhanced Oil Recovery
Department: College of Computing and Mathematics > Information and Computer Science
Committee Advisor: El-Basuny, Tarek Helmy
Committee Co-Advisor: AbdurRaheem, AbdulAzeez
Committee Members: Kanaan, Faisal and El-Shafei, Mustafa and Ghouti, Lahouari
Depositing User: Mr. Admin Admin
Date Deposited: 17 May 2009 05:45
Last Modified: 31 Dec 2020 08:44
URI: http://eprints.kfupm.edu.sa/id/eprint/136030