Journal de gestion des zones côtières

Abstrait

Caractérisation du réservoir en prédisant le pétrole initial en place dans un réservoir à l'aide de l'apprentissage profond et de l'application de l'analyse de sensibilité pour une meilleure récupération du pétrole

Julia Mbamarah

Le problème de la production actuelle est l'incapacité à récupérer une quantité optimale des ressources découvertes. Selon les analyses statistiques, seulement 60 % environ du pétrole est récupérable et la quantité la plus élevée enregistrée jusqu'à présent ne représente que 80 % du pétrole découvert. Cela signifie qu'environ 25 % du pétrole existe encore dans les puits de champs pétrolifères abandonnés.

En obtenant des données de divers champs pétroliers au Nigéria, la quantité de pétrole découvrable a été calculée à l'aide de l'apprentissage profond. Le réseau a été formé pour prédire avec précision le volume estimé de pétrole initialement en place. Une analyse de sensibilité du modèle de réseau neuronal généré a révélé quels paramètres d'entrée ont contribué de manière majeure à l'estimation de l'IOIP

D'après les informations déduites, un puits idéal pour améliorer la récupération serait un puits dont les facteurs déterminants sont minimisés ou maximisés en fonction de la faisabilité de la modification des paramètres. Le prototype neuronal a été optimisé en améliorant les propriétés déterminantes d'intérêt. Une mise à jour des données a ensuite conduit à une formation supplémentaire et généralement à une amélioration du degré de récupération atteignable.

Dans la mesure où d’autres sources d’énergie sont en cours d’identification, le pétrole et le gaz demeurent une partie intégrante de l’industrie énergétique et les mesures visant à garantir que la récupération de cette source d’énergie soit optimisée au plus grand pourcentage ne doivent pas être négligées.