مقایسه سه روش بهینه سازی ابتکاری در مدل سازی کیفیت رخساره های گازی

منابع نامتعارف گاز طبیعی، کسر بزرگـی از کـل منـابع گـاز طبیعــی را بــه خــود اختصــاص مــی دهــد. ولــی بــه علــت هزینه بالاي تولید از این منابع، کاهش هزینه فعالیت هاي اکتشافی بسیار با اهمیت است. پس براي شناخت کیفیت رخساره هاي گازي که عمدتا از روش هاي پرهزینه مطالعات مغزه استفاده میشود باید چاره اي اندیشید. بهترین راه استفاده از داده هاي رایج و موجود می باشد. براي این منظور بکارگیري از روش مدل هاي مناسب اهمیت بالایی دارد. با توجه به پیچیدگی موجود در مخازن نامتعارف گازي باید از مدلی با توانایی هاي بالا استفاده نمود. در این مطالعه سعی شده است با استفاده از تکنیک یادگیري عمیق بانظارت، طبقه بندي کیفیت رخساره هاي گازي صورت پذیرد. شبکه عصبی با حافظه بلند کوتاه مدت براي این هدف در نظر گرفته شده است. در نهایت با استفاده از سه الگوریتم بهینه سازي ابتکاري (رقابت استعماري، جستجوي گرانشی و نهنگ) مدل اولیه بهینه شده و نتایج حاصل با یکدیگر مقایسه می شوند. نتایج به دست آمده نشان میدهد که دقت مدل اولیه روش پیشنهادي حدود%87 بوده که پس از بهینه سازي این دقت تا %3 افزایش خواهد یافت. این افزایش دقت مربوط به شبکه بهینه شده با الگوریتم رقابت استعماري می باشد.

کلیدواژه ها:

مدلسازی ، کیفیت رخساره گازی ، یادگیری عمیق ، شبکه عصبی LSTM ، بهینه سازی ابتکاری