論文の概要: Data-driven models for production forecasting and decision supporting in petroleum reservoirs
- arxiv url: http://arxiv.org/abs/2508.18289v1
- Date: Thu, 21 Aug 2025 19:48:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.492266
- Title: Data-driven models for production forecasting and decision supporting in petroleum reservoirs
- Title（参考訳）: 石油貯留層における生産予測と意思決定支援のためのデータ駆動モデル
- Authors: Mateus A. Fernandes, Michael M. Furlanetti, Eduardo Gildin, Marcio A. Sampaio,
- Abstract要約: 本稿では,データ駆動型アプローチと機械学習手法を用いてこの問題に対処することを提案する。
本研究の目的は,生産量として生成および注入された単純なデータに基づいて生産パラメータを予測する手法を開発することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Forecasting production reliably and anticipating changes in the behavior of rock-fluid systems are the main challenges in petroleum reservoir engineering. This project proposes to deal with this problem through a data-driven approach and using machine learning methods. The objective is to develop a methodology to forecast production parameters based on simple data as produced and injected volumes and, eventually, gauges located in wells, without depending on information from geological models, fluid properties or details of well completions and flow systems. Initially, we performed relevance analyses of the production and injection variables, as well as conditioning the data to suit the problem. As reservoir conditions change over time, concept drift is a priority concern and require special attention to those observation windows and the periodicity of retraining, which are also objects of study. For the production forecasts, we study supervised learning methods, such as those based on regressions and Neural Networks, to define the most suitable for our application in terms of performance and complexity. In a first step, we evaluate the methodology using synthetic data generated from the UNISIM III compositional simulation model. Next, we applied it to cases of real plays in the Brazilian pre-salt. The expected result is the design of a reliable predictor for reproducing reservoir dynamics, with rapid response, capability of dealing with practical difficulties such as restrictions in wells and processing units, and that can be used in actions to support reservoir management, including the anticipation of deleterious behaviors, optimization of production and injection parameters and the analysis of the effects of probabilistic events, aiming to maximize oil recovery.
- Abstract（参考訳）: 石油貯水池工学における主な課題は, 生産を確実に予測し, 岩石流体系の挙動の変化を予測することである。
本稿では,データ駆動型アプローチと機械学習手法を用いてこの問題に対処することを提案する。
目的は, 地質モデル, 流体特性, ウェルコンプリートおよびフローシステムの詳細などの情報に依存することなく, 生産パラメータを, 生成・注入した単純なデータに基づいて予測する手法を開発することである。
当初、我々は生成変数と注入変数の関連性分析を行い、問題に合うようにデータを条件付けしました。
貯水池の状態が経年変化していくにつれて、コンセプトドリフトは優先課題となり、観測窓や再訓練の周期性にも特別な注意が必要である。
生産予測では,回帰やニューラルネットワークなどの教師あり学習手法について検討し,性能と複雑性の観点からアプリケーションに最も適した手法を定義した。
まず,UNISIM III合成シミュレーションモデルから生成した合成データを用いて手法を評価する。
次に,ブラジルのプレサルトにおける実演例に適用した。
その結果, 貯水池の動態を再現するための信頼性の高い予測器の設計, 迅速応答, 井戸や処理ユニットの制限などの実用上の困難に対処する能力, 有害な挙動の予測, 生産・投射パラメータの最適化, 確率的事象の影響の分析など, 貯水池の管理支援に活用できることが期待される。
関連論文リスト
- Data-Driven Differential Evolution in Tire Industry Extrusion: Leveraging Surrogate Models [0.0]
本研究では,複雑な実世界の製造システムを最適化するためのサロゲートに基づくデータ駆動手法を提案する。
機械学習モデルは、システム挙動を近似し、サロゲートモデルを構築するために使用され、それは、調整されたメタヒューリスティックなアプローチに統合される。
以上の結果から,サロゲートに基づく最適化手法は歴史的最良構成よりも優れていた。
論文 参考訳（メタデータ） (2025-07-15T10:52:45Z) - On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。
本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。
また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-10-21T18:31:04Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - Machine Learning-Based Completions Sequencing for Well Performance
Optimization [0.0]
このプロジェクトの主な目的は、多次元予測変数の効果を統合できる効果的な機械学習モデルを開発することである。
3つのモデルは全て、7.35から20.01万バレルの石油の根平均二乗誤差(RMSE)値で累積生産予測を行った。
包括的機能エンジニアリングやハイブリッドモデルやサロゲートモデルの使用を推奨するなど、大幅な改善の可能性がある。
論文 参考訳（メタデータ） (2024-02-23T21:11:17Z) - A Hybrid Approach of Transfer Learning and Physics-Informed Modeling:
Improving Dissolved Oxygen Concentration Prediction in an Industrial
Wastewater Treatment Plant [0.0]
目的は, 産業排水処理プラントの予測性能を, (i) プロセスの基盤となる物理を捉えたオープンソースのシミュレーションモデル, (ii) ノイズと限られたデータで特徴づけられるが, 同一の精製所にある別の産業プラント, (iii) の知識を伝達することによって向上することである。
その結果,テスト性能は27%,検証性能は59%に向上した。
論文 参考訳（メタデータ） (2024-01-20T11:53:08Z) - Oil reservoir recovery factor assessment using Bayesian networks based
on advanced approaches to analogues clustering [0.0]
この研究は、石油・ガス貯水池パラメータのモデル化と計算、特にベイズネットワーク(BN)を用いた石油回収係数(RF)予測の問題に焦点を当てている。
この研究の主な成果は、BNに基づいて貯水池のパラメータを研究する方法論の開発であると考えられる。
論文 参考訳（メタデータ） (2022-04-01T13:23:36Z) - Development of Deep Transformer-Based Models for Long-Term Prediction of
Transient Production of Oil Wells [9.832272256738452]
本稿では,油井の過渡生産に関するデータ駆動型モデリング手法を提案する。
油井の様々なパラメータからなる多変量時系列に基づいて訓練された変圧器ベースニューラルネットワークを適用した。
複素過渡的な油田レベルのパターンをシミュレートするために,複数井戸に対するトランスフォーマーアーキテクチャに基づく単一井戸モデルを一般化する。
論文 参考訳（メタデータ） (2021-10-12T15:00:45Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳（メタデータ） (2021-06-08T14:48:20Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。