Moreno Millan
Français Les techniques actuelles de prédiction des débits de production de pétrole et de gaz à l'échelle des puits et des réservoirs incluent l'analyse classique des courbes de déclin via des modèles de simulation numérique. Le présent travail propose l'utilisation des modèles d'apprentissage automatique (MLM) suivants : régression linéaire (LR), machines à vecteurs de support (SVM), forêt aléatoire (RF) et réseau neuronal artificiel (ANN), comme alternative aux méthodes conventionnelles de prévision des débits de production de pétrole et de gaz. L'application de cette proposition est démontrée sur la base de données de production enregistrées sur 8 ans dans des puits du champ de Volve, situé sur le plateau continental norvégien. Ainsi, les avantages de chaque MLM mentionné ci-dessus sont discutés, concluant sur la base d'une expérience pratique que l'algorithme le plus complexe n'est pas toujours le meilleur choix. Il est démontré que l'alternative SVM donne les meilleurs résultats, et qu'il s'agit également d'un modèle plus simple et plus facile à mettre en œuvre par rapport aux alternatives RF ou ANN.