А.Р. Мухутдинов¹, З.Р. Вахидова², М.Г. Ефимов³

1,3 Казанский национальный исследовательский технологический университет (г. Казань, Россия)

2 Университет управления «ТИСБИ» (г. Казань, Россия)

Постановка проблемы. Повышение производительности нефтяных скважин возможно при применении перспективной технологии на основе имплозии и устройства для ее осуществления. Известно, что эффективность технологии зависит от конструктивных параметров устройства. В настоящее время перспективным способом изучения процессов является компьютерное моделирование на основе современных информационных технологий. Поэтому решение задач прогнозирования с использованием современных программных средств на основе искусственных нейронных сетей (ИНС) − актуальная задача, имеющая научный и практический интерес. 

Цель. Разработать нейросетевую модель и показать ее применение для выявления особенностей влияния диаметра и длины имплозионной камеры устройства на давление гидравлического удара в процессе имплозии с применением методов теории гидравлического удара, нейросетевого моделирования и системного анализа.

Результаты. В программной среде созданы методика разработки нейросетевой модели и методика проведения вычислительного эксперимента с этой моделью. Рассмотрена возможность нейросетевого моделирования процесса имплозии. Продемонстрированы результаты прогнозирования выходного параметра (давления гидравлического удара) на заранее обученной сети с относительной погрешностью, равной 3,5%, с помощью базы знаний. Представлены результаты применения методики решения задач прогнозирования с использованием программного средства на основе ИНС. Установлено, что диаметр и длина имплозионной камеры существенно влияют на давление гидравлического удара. Показано, что по заданному уровню давления гидравлического удара модно определить необходимые значения диаметра и длины имплозионной камеры устройства.

Практическая значимость. Результаты могут найти применение при моделировании процессов, связанных с оптимизацией процесса нефтедобычи.

Мухутдинов А.Р., Вахидова З.Р., Ефимов М.Г. Нейросетевое моделирование процесса имплозии в задачах оптимизации процесса нефтедобычи // Нелинейный мир. 2021. Т. 19. № 1. С. 29−35. DOI: https://doi.org/10.18127/j20700970-202101-03

1. Абубакиров И.Ф. Интенсификация добычи нефти из заглинизированных пластов // Молодой ученый. 2017. № 24.  С. 125−126.
2. Ибрагимов Л.Х., Мищенко И.Т., Челоянц Д.К. Интенсификация добычи нефти. М.: Наука. 2000. 414 с.
3. Иванов С.И. Интенсификация притока нефти и газа к скважинам. М.: Недра-Бизнесцентр. 2006. 565 с. 
4. Попов А.А. Имплозия в процессах нефтедобычи. М.: Недра. 1996. 186 с.
5. Попов А.А. Разработка технологии обработки и освоения скважин с одновременным имплозионным воздействием на призабойную зону пласта. Ухта. 1992. 93 с.
6. Mukhutdinov A.R., Lyubimov P.E. Application of a neural network model for revealing specific features and regularities of solid fuel burning process // Thermal Engineering (Englich translation of Teploenergetika). 2010. V. 57. № 4. P. 336.
7. Mukhutdinov A.R., Vakhidova Z.R. Neural network modelling of heat transfer of benzene in electric field // Chemical and Petroleum Engineering. 2015. V. 50. № 11. P. 761−765.
8. Guillermo Jimenez de la C, Jose A. Ruz-Hernandez, Evgen Shelomov, Ruben Salazar M. Optimization of an Oil Production System using Neural Networks and Genetic Algorithms. IFSA/EUSFLAT Conf IFSA/EUSFLAT Conf. 2009. P. 1815−1820. 
9. El-Abbasy, Mohammed & Senouci, Ahmed & Zayed, Tarek & Mirahadi, Farid & Parvizsedghy L. Artificial neural network models for predicting condition of offshore oil and gas pipelines // Automation in Construction. 2014. V. 45. P. 50–65.
10. Ilsik Jang, Seeun Oh, Yumi Kim, Changhyup Park and Hyunjeong Kang. Well-placement optimisation using sequential artificial neural networks // Energy Exploration & Exploitation. 2018. V. 36. № 3. P. 433–449.
11. Мухутдинов А.Р., Марченко Г.Н., Вахидова З.Р. Нейросетевое моделирование и оптимизация сложных процессов. Казань: Казан. гос. энерг. ун-т. 2011. 296 с. 
12. Мухутдинов А.Р., Вахидова З.Р., Ефимов М.Г. Нейросетевое моделирование имплозионного процесса при срабатывании устройства в нефтяной скважине // Вестник Казан. технол. ун-та. 2017. Т. 20. № 14. С. 91−93.
13. Свидетельство о государственной регистрации программы для ЭВМ № 2011616092 (РФ). Зарег. 04.08.2011 г. Device Developer. / Мухутдинов А.Р., Вахидова З.Р., Окулин М.В.