Rate Transient Analysis via Artificial Intelligence

Das Ziel dieser Forschungsarbeit ist die Entwicklung eines mathematischen Modells als Reservoir-Sch tzungswerkzeug f r nat rlich frakturierte Reservoirs mit doppelten seitlichen Bohrlochkonfigurationen. Das in dieser Studie vorgeschlagene Werkzeug umfasst ein vorw rtsgerichtetes k nstliches neuronales Netzwerk (ANN) mit der F higkeit, Produktionsdaten anhand bekannter Reservoir- und Bohrlochdesignparameter vorherzusagen. Das vorgeschlagene Werkzeug umfasst auch eine inverse ANN-Komponente, mit der die Permeabilit t und Porosit t der Matrix und der Fraktur sowie der Fraktur-Abstand und die Reservoirdicke vorhergesagt werden k nnen. Mit Hilfe des vorgeschlagenen Werkzeugs w re der Benutzer in der Lage, sofort vorhergesagte Reservoir- oder Produktionsdaten mit weniger Kosten und Zeitaufwand zu analysieren. Die zur Entwicklung des Tools verwendete Software umfasste MATLAB, EXCEL und eine kommerzielle Modellierungssoftware. Die Verfahren werden in den folgenden Kapiteln vorgestellt und erl utert, darunter die Generierung von Trainingsdaten, die Auswahl von Trainingsdatens tzen sowie das Training von vorw rtsgerichteten und inversen ANN-Modellen. Dar ber hinaus wurde f r jedes ANN eine grafische Benutzeroberfl che (GUI) entwickelt und zusammengestellt, ber die der Benutzer die Ergebnisse in numerischer und grafischer Form anzeigen kann.