(2005) Development and testing of an artificial neural network model for predicting bottomhole pressure in vertical multiphase flow. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF 9768.pdf Download (1MB) | Preview

Arabic Abstract

أستخدمت تقنية الشبكات العصبية بنجاح لعمل نموذج للتنبؤ بضغط البئر السفلي في آبار النفط ذات السريان العمودي المتعددة الأطوار. وقد تم تطوير النموذج الجديد باستخدام خوارزمية للتعلم (التوجيه الخلفي للأخطاء). وقد استخدمت 206 نقطة بيانات حقلية في تطوير النموذج مأخوذة من عدة حقول من منطقة الشرق الأوسط. وتغطى البيانات المستخدمة في تطوير النموذج معدل انتاج نفطي يتراوح ما بين 280 إلى 19618 برميل في اليوم ، نسبة وجود الماء في الموائع من 0.0% إلى 44.8% ووصلت نسبة الغاز إلىالنفط حتى 675.5 قدم مكعب لكل برميل. وعند تقسيم البيانات المتاحة (زمرة التدريب، الصلاحية، والأختبار) بنسبة 3:1:1 تم الحصول على أعلى أداء بالنسبة للنموذج المطور. وقد تم إجراء دراسة مقارنة لأداء النموذج المطور ومقارنته بالعلاقات التجريبية والنماذج الميكانيستية الأخرى باستخدام مقاييس إحصائية وقد وُجد أن أداء النموذج المُطور يفوق النماذج الأخرى والعلاقات التجريبية بحصوله على أعلى معدل إرتباط وأقل أخطاء وإنحراف معياري. وعند تطبيق النموذج الجديد، ينبغي الأخذ بعين الاعتبار نطاق البيانات الحقلية التي أستخدمت في تطوير النموذج.

English Abstract

A Neural Network technique has been used successfully for developing a model for predicting bottomhole pressure in vertical multiphase flow in oil wells. The new model has been developed using the most robust learning algorithm (back-propagation). A total number of 206 data sets; collected from Middle East fields; has been used in developing the model. The data used for developing the model covers an oil rate from 280 to 19618 BPD, water cut up to 44.8%, and gas oil ratios up to 675.5 SCF/STB. A ratio of 3:1:1 between training, validation, and testing sets yielded the best training/testing performance. The best available empirical correlations and mechanistic models have been tested against the data and the developed model. Graphical and statistical tools have been utilized for the sake of comparing the performance of the new model and other empirical correlations and mechanistic models. Through verifications indicated that the new developed model outperforms all tested empirical correlations and mechanistic models in terms of highest correlation coefficient, lowest average absolute percent error, lowest standard deviation, lowest maximum error, and lowest root mean square error. The new developed model results can only be used within the range of used data; hence care should be taken if other data beyond this limit is implemented.

Item Type:	Thesis (Masters)
Subjects:	Petroleum
Department:	College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor:	Aggour, Mohamed A.
Committee Members:	Al-Yousef, Hasan Yousef and Abu-Khamsin, Sidqi Ahmed and Al-Majed, Abdulaziz A. and Osman, El-Sayed Ahmed
Depositing User:	Mr. Admin Admin
Date Deposited:	22 Jun 2008 13:48
Last Modified:	01 Nov 2019 13:50
URI:	http://eprints.kfupm.edu.sa/id/eprint/9768