Resumen

La inundacin con vapor es una de las tecnologas ms eficaces y maduras en la explotacin de petrleo pesado. En este artculo, se establece en primer lugar una tecnologa de simulacin numrica de la inundacin por vapor de un yacimiento basada en el mtodo de volumen finito. En combinacin con el cambio de fase de la fase de vapor, la solucin totalmente implcita para la inundacin de vapor se lleva a cabo utilizando el mtodo de iteracin de Newton de paso de tiempo adaptativo. Se utiliza el mtodo Kriging para generar estocsticamente 4250 muestras de modelos geolgicos teniendo en cuenta la heterogeneidad del yacimiento, y se dan aleatoriamente los correspondientes parmetros de programacin de la produccin; a continuacin, estas muestras de modelos de yacimientos se tratan mediante la tecnologa de simulacin numrica para obtener los correspondientes datos dinmicos de produccin, que constituyen los datos para el entrenamiento de la red neuronal artificial (RNA). Utilizando el efecto global altamente no lineal de la red neuronal artificial y sus potentes funciones de autoadaptacin y autoaprendizaje, se establecen los modelos RNA de diseo prospectivo e inverso de los yacimientos de inyeccin de vapor, lo que proporciona un nuevo mtodo para la prediccin rpida del rendimiento de la produccin de inyeccin de vapor y el diseo de los parmetros del programa de produccin. En 4250 muestras, el error del modelo prospectivo es bsicamente inferior al 0,1%, y el error del modelo de diseo inverso es generalmente inferior al 15%. Esto demuestra plenamente que los modelos RNA desarrollados en este trabajo pueden predecir rpida y eficazmente la produccin de petrleo y disear los parmetros de produccin, y tienen un importante papel de gua en la aplicacin de la tecnologa de inundacin con vapor. Por ltimo, el modelo RNA prospectivo se aplica para analizar eficazmente los factores que influyen en el proceso de inundacin con vapor, y el anlisis de incertidumbre del modelo RNA de diseo inverso se lleva a cabo mediante simulacin Monte Carlo para ilustrar su robustez. Adems, este trabajo puede servir de referencia para la aplicacin de modelos de redes neuronales a los yacimientos subterrneos de petrleo y gas, que son una tpica caja negra invisible.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Inundación con vapor; Tecnología de simulación numérica; Modelo de yacimiento; Red neuronal artificial; Rendimiento de la producción; Programa de producción
• Keywords:Steam flooding; Numerical simulation technology; Reservoir model; Artificial neural network; Production performance; Production schedule