PREDICTION OF FORMATION PRESSURE FROM WELL LOGS USING ARTIFICIAL INTELLIGENCE TECHNIQUES. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (Masters Thesis) Msc_Thesis_Bassam Alzayer.pdf - Accepted Version Restricted to Repository staff only until 5 February 2024. Download (2MB)

Arabic Abstract

تعد القدرة على التنبؤ بتدرج ضغط التكوين الجيولوجي في الوقت الفعلي أمرًا بالغ الأهمية ، خاصة لعمليات الحفر. لديها القدرة على تحسين جودة القرارات المتخذة وكذلك اقتصاديات عمليات الحفر. على الرغم من أن معدات الضغط أثناء الحفر (PWD) يمكن أن توفر بيانات الضغط أثناء الحفر ، فإن تكلفتها وتوافرها يحدان من تطبيقه في العديد من الآبار. تعتمد طرق التنبؤ بالتدرج في الضغط المتاحة في الأبحاث المنشورة على تسجيل البئر أو مزيج من معلومات الحفر وتسجيل الآبار. الهدف من هذه الدراسة هو إنشاء نماذج للتنبؤ بتدرج ضغط المسام في الوقت الفعلي باستخدام السجلات والبيانات الأساسية المتوفرة من Energean Oil S.A في اليونان لاختبار الشبكة العصبية الاصطناعية التالية (ANN) وطريقتين أخريين من الطرق الثلاث ، ANN أظهرت نتائج أدق. وبالتالي ، استندت المعادلة التي تم تطويرها في هذه الدراسة على ANN.

English Abstract

The ability to predict the formation pressure gradient in real time is crucial, particularly for drilling operations. It has the potential to improve the quality of decisions made as well as the economics of drilling operations. Even though the pressure while drilling (PWD) equipment can provide pressure data during drilling, its cost and availability limit its application in many wells. The available pressure gradient prediction methods in the literature are based on well logging or a mix of drilling parameters and well logging. The goal of this study is to create models for real-time pore pressure gradient prediction using available logs and core data from Energean Oil S.A. in Greece testing the following artificial neural network (ANN), radial basis function model, and general regression neural network. Of the three methods, the ANN was the most accurate one. Thus, the equation developed in this study was based on ANN.

Item Type:	Thesis (Masters)
Subjects:	Computer Earth Sciences Petroleum > Well Logging Petroleum > Drilling Engineering
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Committee Advisor:	Soupios, Pantelis
Committee Members:	Elkatatny, Salaheldin and Waheed, Umair
Depositing User:	BASSAM ALZAYER (g201801660)
Date Deposited:	05 Feb 2023 08:06
Last Modified:	05 Feb 2023 08:06
URI:	http://eprints.kfupm.edu.sa/id/eprint/142331