بهینه سازی پیش بینی فشار نقطه شبنم مخازن گاز میعانی با سیستم های فازی و شبکه های عصبی

جمع شدن میعانات حول چاه در مخازن میعانی یکی از مشکلات اصلی این مخازن است که با پیش بینی درست فشار نقطه شبنم، می توان با تغییر سناریو برداشت بر این مشکلات چیره شد. در این تحقیق مدلی برای پیش بینی فشار نقطه شبنم مخازن میعانی پیشنهاد شده است که نسبت به روش های پیشین دارای توانایی بیشتری می باشد. این مدل به کمک 111 نمونه آزمایشگاهی گاز میعانی که دارای محدوده وسیعی از ویژگی های نمونه و دمایی مخزن هستند، ایجاد شد. برای ساخت مدل پیشنهاد شده، از سیستم استنتاج فازی– عصبی وفقی استفاده شد. این مدل با بهبود پردازش اولیه مجموع داده ها و به کمک الگوریتم وراثتی توانست به نتایج قابل قبولی نسبت به روش های پیش از خود دست یابد. ابتدا با ارزیابی چندین نوع روش نرمال سازی، مجموعه داده ها پردازش اولیه شدند و سپس الگوریتم وراثتی برای بازشناسی الگو استفاده شد. بدین طریق پارامتر هایی که دارای حساسیت بیشتری بودند برای مدل سازی نهایی پیشنهاد شدند. این پارامترها عبارتند از: دمای مخزن و جز مولی ترکیبات h2s، n2، c3، ic5 و c6. به کمک چند نمونه که در ایجاد مدل نقشی نداشتند، کارایی مدل در مقابل مدل های پیشین و روابطی که برای این کار پیشنهاد شده بودند، بررسی شد. به ازای این نمونه ها، نتایج حاصل از این مدل دارای میانگین خطای مطلق 08/3 % و میانگین خطای نسبی16/1% بود. این اعتبار سنجی نشان داد که مدل پیشنهادی، روشی کارامد برای پیش بینی فشار نقطه شبنم می باشد.