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

نویسنده

چکیده

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

کلیدواژه‌ها


عنوان مقاله [English]

A Comparison of Data Analysis Techniques for Oil Production Prediction: The Case Study of Ahvaz Field

نویسنده [English]

  • Mohammad Reza Moghaddam
چکیده [English]

This paper describes two data analysis techniques adopted in a Decision Support System (DSS), Decline Curve Estimation and Artificial Neural Network (ANN) approaches, which aid users in predicting oil production of a field. The system generates different predictions, according to scenario, chosen for prediction. These two approaches show that to explain production of a field, ANN method shows better fit to historical data, compared with regression method used for decline curve estimation. But to predict production of the same field these two show completely different forcasts, which alarms us to be careful in using a particular method for predictions. In the case of modeling a mathematical relation for production of a field, researchers should apply different approaches and compare the result to reach to a better conclusion about the production rate.
JEL Classification: Q4

کلیدواژه‌ها [English]

  • Artificial Neural Networks
  • decline curve method
  • oil field
  • Oil production prediction
  • Regression