तटीय क्षेत्र प्रबंधन जर्नल

अमूर्त

डीप लर्निंग का उपयोग करके जलाशय में प्रारंभिक तेल की स्थिति का पूर्वानुमान लगाकर जलाशय का लक्षण-निर्धारण और बेहतर तेल प्राप्ति के लिए संवेदनशीलता विश्लेषण का अनुप्रयोग

जूलिया मबामाराह

आज उत्पादन की समस्या खोजे गए संसाधन की इष्टतम मात्रा को पुनर्प्राप्त करने में असमर्थता है। सांख्यिकीय विश्लेषण से पता चलता है कि केवल लगभग 60% तेल ही पुनर्प्राप्त करने योग्य है और अब तक दर्ज की गई उच्चतम मात्रा खोजे गए तेल का केवल 80% है। इसका मतलब यह है कि लगभग 25% तेल अभी भी तेल क्षेत्र के कुओं में मौजूद है जिन्हें छोड़ दिया गया है।

नाइजीरिया में विभिन्न तेल क्षेत्रों से डेटा प्राप्त करके, डीप लर्निंग का उपयोग करके खोजे जाने योग्य तेल की मात्रा की गणना की गई। नेटवर्क को शुरू में तेल की अनुमानित मात्रा का सटीक अनुमान लगाने के लिए प्रशिक्षित किया गया था। उत्पन्न तंत्रिका नेटवर्क मॉडल के संवेदनशीलता विश्लेषण से पता चला कि कौन से इनपुट पैरामीटर IOIP का अनुमान लगाने में प्रमुख रूप से योगदान करते हैं

प्राप्त जानकारी से, रिकवरी में सुधार के लिए एक आदर्श कुआं वह होगा जिसके निर्धारक कारक पैरामीटर परिवर्तन की व्यवहार्यता के अनुसार न्यूनतम या अधिकतम हों। न्यूरल प्रोटोटाइप को रुचि के निर्धारक गुणों में सुधार करके अनुकूलित किया गया था। बाद में डेटा अपडेट से आगे के प्रशिक्षण और आम तौर पर प्राप्त होने वाली रिकवरी की डिग्री में सुधार होता है।

यद्यपि अन्य ऊर्जा स्रोतों की पहचान की जा रही है, फिर भी तेल और गैस अभी भी ऊर्जा उद्योग का अभिन्न अंग बने हुए हैं, तथा यह सुनिश्चित करने के लिए कदम उठाए जाने चाहिए कि इस ऊर्जा स्रोत की प्राप्ति अधिकतम प्रतिशत तक अनुकूलित हो।