Нейросетевая модель оптимизации по калорийности жидконаполненного состава для внутрипластовой добычи битуминозной нефти

А.Р. Мухутдинов; М.Г. Ефимов; А.Н. Сердюкова

doi:10.18127/j20700970-202301-03

Нейросетевая модель оптимизации по калорийности жидконаполненного состава для внутрипластовой добычи битуминозной нефти

А.Р. Мухутдинов¹, М.Г. Ефимов², А.Н. Сердюкова³

научная статья УДК 004.855.5:004.942 Страницы: 21-26 doi.org/10.18127/j20700970-202301-03

^1,2,3 Казанский национальный исследовательский технологический университет (г. Казань, Республика Татарстан)

Ключевые слова: Жидконаполненный состав искусственная нейронная сеть внутрипластовое горение современные информаци-онные технологии оптимизация программный модуль

Аннотация

Постановка проблемы. Для прогрева и создания высокой температуры в зоне продуктивного пласта, а также инициирования внутрипластового горения (ВГ) используют жидконаполненные составы (ЖНС), которые достаточно хорошо изучены и известны их оптимальные рецептуры. Однако применение ЖНС ограничено таким существенным недостатком, как долгий, сложный и дорогостоящий процесс добычи. В связи с этим актуальным является нахождение оптимального ЖНС по калорийности при устойчивом воспламенении и полном его сгорании. Перспективный способ определения оптимального ЖНС для достижения максимальной калорийности при его стабильном горении - применение искусственных нейронных сетей (ИНС), обладающих широчайшими возможностями моделирования таких систем.

Цель. Определить оптимальный ЖНС, обладающий максимальной калорийностью, за счет применения разработанного программного модуля (ПМ) на основе ИНС и сформированной базы знаний из обработанной и систематизированной информации.

Результаты. Разработаны база знаний и ИНС с общей регрессией с применением нелинейной функции активации гауссовского типа на ее основе, а также прикладного ПМ для нахождения оптимального ЖНС по калорийности для обеспечения интенсификации притока нефти нагревом битуминозного пласта. На основе разработанной и обученной ИНС с относительной погрешностью не более 2,3% наглядно продемонстрирован прогноз калорийности оптимального ЖНС.

Практическая значимость. Разработанный прикладной ПМ на основе ИНС способен определить оптимальный ЖНС по калорийности, что обеспечит интенсификацию притока высоковязкой труднодобываемой битуминозной нефти.

Поступила: 14.12.2022
Одобрена: 13.01.2023
Принята: 27.02.2023

Для цитирования

Мухутдинов А.Р., Ефимов М.Г., Сердюкова А.Н. Нейросетевая модель оптимизации по калорийности жидконапол-ненного состава для внутрипластовой добычи битуминозной нефти // Нелинейный мир. 2023. Т. 21. № 1. С. 21-26. DOI: https://doi.org/10.18127/j20700970-202301-03

Список источников

Муслимов Р.Х., Романов Г.В., Каюкова Г.П., Юсупова Т.Н., Искрицкая Н.И., Петров С.М. Стратегия развития нефтебитумного комплекса Татарстана в направлении воспроизводства ресурсной базы углеводородов // Нефть. Газ. Новации. 2012. № 2. С. 21-29.
Кудинов В.И. Новые технологии повышения нефтеотдачи на месторождениях с высоковязкими нефтями // Нефтяное хозяйство. 2002. № 5. С. 92-95.
Гупта П., Дориах А., Рэй С. Результаты внутрипластового горения // Нефтегазовые технологии. 2008. № 3. С. 12-15.
Пыресев В.Г., Шарнина А.П., Вавилов Ю.Г., Кудинов В.И. Разработка изделий для прогрева битуминозного пласта. Казань: КХТИ им. С.М. Кирова. 1972.
Садыков И.Ф., Фролов Г.П. Отчет по НИР «Разработка и испытание жидконаполненных составов для прогрева битумов и инициирования ВГ». Казань: КХТИ им. С.М. Кирова. 1989.
Отчет по НИР «Испытание в промысловых условиях, усовершенствованных жидконаполненных составов для инициирования ВГ и прогрева битумного пласта». Казань: КХТИ им. С.М. Кирова. 1990.
Бочков В.М., Садыков И.Ф., Шешуков Г.И., Фролов Г.П., Сабитов И.М., Гайнутдинов И.А. Отчет по НИР «Поисковые исследования по созданию изделий для прогрева битуминозного пласта». Казань: КХТИ им. С.М. Кирова. С. 6-24.
Liquid Explosives. College of Materials Science and Engineering, Beijing Institute of Technology. Springer: Jiping Liu. 2015.
Zhang C., Chen W., Wang Z., et al. Research progress of azide polymer adhesives plasticized by nitric acid ester. China Adhes. 2012.
Formulation and characterization of a new nitroglycerin-free double base propellant. Propellants Explos Pyrotech. Reese DA. Groven LJ. Son SF. 2014.
De Tata D.A., Fillingham R.M., Dunsmore R.P. Encyclopedia of Forensic Sciences. 3rd Edition. Commercial and Military Explosives. 2023. V. 1. P. 605-621.
Мухутдинов А.Р., Марченко Г.Н., Вахидова З.Р. Нейросетевое моделирование и оптимизация сложных процессов и наукоемкого теплоэнергетического оборудования. Казань: Казанский гос. энергетический ун-т. 2011. 296 с.
Мухутдинов А.Р., Ефимов М.Г. Нейросетевой подход для оптимизации состава твердого топлива по скорости горения // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2019. № 4. С. 25-29.
Мухутдинов А.Р., Садыков М.И., Ефимов М.Г. Оптимизация рецептуры твердого топлива с использованием компьютерных технологий // Стратегическая стабильность. 2018. № 4. С. 64-66.
Мухутдинов А.Р., Ефимов М.Г. Универсальные вычислительные экспресс-методы для создания искусственной ней-ронной сети сложного объекта и инновационного программного модуля на ее основе. Монография. Казань: Изд-во КНИТУ. 2022. 164 с.

[1] Муслимов Р.Х., Романов Г.В., Каюкова Г.П., Юсупова Т.Н., Искрицкая Н.И., Петров С.М. Стратегия развития нефтебитумного комплекса Татарстана в направлении воспроизводства ресурсной базы углеводородов // Нефть. Газ. Новации. 2012. № 2. С. 21-29.

[2] Кудинов В.И. Новые технологии повышения нефтеотдачи на месторождениях с высоковязкими нефтями // Нефтяное хозяйство. 2002. № 5. С. 92-95.

[3] Гупта П., Дориах А., Рэй С. Результаты внутрипластового горения // Нефтегазовые технологии. 2008. № 3. С. 12-15.

[4] Пыресев В.Г., Шарнина А.П., Вавилов Ю.Г., Кудинов В.И. Разработка изделий для прогрева битуминозного пласта. Казань: КХТИ им. С.М. Кирова. 1972.

[5] Садыков И.Ф., Фролов Г.П. Отчет по НИР «Разработка и испытание жидконаполненных составов для прогрева битумов и инициирования ВГ». Казань: КХТИ им. С.М. Кирова. 1989.

[6] Отчет по НИР «Испытание в промысловых условиях, усовершенствованных жидконаполненных составов для инициирования ВГ и прогрева битумного пласта». Казань: КХТИ им. С.М. Кирова. 1990.

[7] Бочков В.М., Садыков И.Ф., Шешуков Г.И., Фролов Г.П., Сабитов И.М., Гайнутдинов И.А. Отчет по НИР «Поисковые исследования по созданию изделий для прогрева битуминозного пласта». Казань: КХТИ им. С.М. Кирова. С. 6-24.

[8] Liquid Explosives. College of Materials Science and Engineering, Beijing Institute of Technology. Springer: Jiping Liu. 2015.

[9] Zhang C., Chen W., Wang Z., et al. Research progress of azide polymer adhesives plasticized by nitric acid ester. China Adhes. 2012.

[10] Formulation and characterization of a new nitroglycerin-free double base propellant. Propellants Explos Pyrotech. Reese DA. Groven LJ. Son SF. 2014.

[11] De Tata D.A., Fillingham R.M., Dunsmore R.P. Encyclopedia of Forensic Sciences. 3rd Edition. Commercial and Military Explosives. 2023. V. 1. P. 605-621.

[12] Мухутдинов А.Р., Марченко Г.Н., Вахидова З.Р. Нейросетевое моделирование и оптимизация сложных процессов и наукоемкого теплоэнергетического оборудования. Казань: Казанский гос. энергетический ун-т. 2011. 296 с.

[13] Мухутдинов А.Р., Ефимов М.Г. Нейросетевой подход для оптимизации состава твердого топлива по скорости горения // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2019. № 4. С. 25-29.

[14] Мухутдинов А.Р., Садыков М.И., Ефимов М.Г. Оптимизация рецептуры твердого топлива с использованием компьютерных технологий // Стратегическая стабильность. 2018. № 4. С. 64-66.

[15] Мухутдинов А.Р., Ефимов М.Г. Универсальные вычислительные экспресс-методы для создания искусственной ней-ронной сети сложного объекта и инновационного программного модуля на ее основе. Монография. Казань: Изд-во КНИТУ. 2022. 164 с.

Аннотация

Для цитирования

Похожие статьи