مقایسه تکنیک‎های تحلیل داده در پیش بینی میزان تولید نفت: مورد کاربردی میدان اهواز

این مقاله به توصیف و مقایسه پیش بینی‎های دو روش از بین روش‎های تحلیل داده‎ها، روش منحنی کاهش (DCE) با استفاده از روش رگرسیون و روش شبکة عصبی مصنوعی (ANN) می‎پردازد. نتایج به‎دست آمده مربوط به تولید حاصل از چاه‎های واقع بر میدان نفتی اهواز نشان می‎دهند که در طول دوره برآورد، برازش روش شبکة عصبی از انطباق بهتری نسبت به روش رگرسیون (با استفاده از تکنیکهای اقتصادسنجی) برخوردار است، ولی در دورة پیش بینی تولید، با توجه به سناریوی انتخابی، پیش بینی روش شبکة عصبی بسیار متفاوت از روش رگرسیون است و نشان می‎دهد که تحلیلگران نباید برای تخمین تولید میادین نفتی تنها به یک روش خاص تکیه کنند. به هر حال این دو شیوه در سیستمی موسوم به “سیستم پشتیبانی تصمیم ”، DSS، برای کاربران امکان پیش بینی تولید یک میدان یا حتی یک چاه را فراهم می‎آورند. بنابراین، یک کارشناس میدان نفتی می‌تواند منحنی‌های مختلف مربوط به نرخ‎های تولید پیش‌بینی شده را مقایسه و مناسب‌ترین مدل را برای تصمیم‌گیری انتخاب نماید. به‎عبارت دیگر، معادلات (ریاضی) به‎کار رفته برای پیش بینی تولید یک میدان نفتی به‎گونه‌ای باید مدل سازی شوند که بتوانند مقادیر نسبتا نزدیک به یکدیگر را به‎دست دهند. طبقه‎بندی JEL : Q4