人工神经网络模型预测垂直多相流的井底流压

人工神经网络模型预测垂直多相流的井底流压(中文6700字,英文3500字)
版权2005年，石油工程师学会公司
Osman, E.A.，SPE， KFUPM，Saudi Arabia， Ayoub， M.A.， SPE， and Aggour， M.A.，SPE，Abu-Dhabi Petroleum Instit.
摘  要
准确预测垂直多相流的压力降是有效的设计油管和最佳生产战略的需要。几个相关和机理模型自1950年以来就已经制定了。除了限制适用于所有现有的相关式以外，它们都未能提供理想的压力降的预测准确性。最近开发的机理模型在压力降预测的实证的相关性方面提供了极少的改善。不过，仍然需要进一步改善预报的准确性，，以便更有效和经济的设计水井和更好地优化生产经营。
本文介绍了一个人工神经网络（ ANN ）模型预测井底流压和垂直多相流的压力降。该模型是用涵盖范围广泛的变数的野外数据来开发和测试的。为了发展人工神经网络模型，总共收集了从中东领域的206场的数据集。这些数据集被分为培训，交叉验证和测试集的比例是３：１：１。其中没有被人工神经网络模型看到的在训练期测试的子集数据，，是用来测试预测模型的准确性，，并与现有的相关式和机理模型比较其性能。结果表明，本模型显着优于所有现有的方法和提供的预测，具有较高的准确性。这是在验证的条款包括，相关系数最高，最低平均绝对误差，最低的标准偏差，最低最大误差，和最低的均方根误差。同时也进行了趋势分析，表明本模型提供了关于压力降的预期的效果的各种物理参数。

SPE 93632
Artificial Neural Network Model for Predicting Bottomhole Flowing Pressure in Vertical Multiphase Flow
Osman, E.A.，SPE，KFUPM，Saudi Arabia，Ayoub，M.A.，SPE，and Aggour，M.A.，SPE，Abu-Dhabi Petroleum Instit.
Abstract
Accurate prediction of pressure drop in vertical multiphase flow is needed for effective design of tubing and optimum production strategies. Several correlations and mechanistic models have been developed since 1950. In addition to the limitations on the applicability of all existing correlations,they all fails to provide the desired accuracy of pressure drop predictions. The recently developed mechanistic models provided little improvements in pressure drop prediction over the empirical correlations. However, there is still a need to further improve the accuracy of prediction for a more effective and economical design of wells and better optimization of production operations.