لایب سان

Data driven analytics is enjoying unprecedented popularity among oil and gas professionals. Many reservoir engineering problems associated with geological storage of CO2 require the development of numerical reservoir simulation models. This book is the first to examine the contribution of Artificial Intelligence and Machine Learning in data driven analytics of fluid flow in porous environments, including saline aquifers and depleted gas and oil reservoirs. Drawing from actual case studies, this book demonstrates how smart proxy models can be developed for complex numerical reservoir simulation models. Smart proxy incorporates pattern recognition capabilities of Artificial Intelligence and Machine Learning to build smart models that learn the intricacies of physical, mechanical and chemical interactions using precise numerical simulations. This ground breaking technology makes it possible and practical to use high fidelity, complex numerical reservoir simulation models in the design, analysis and optimization of carbon storage in geological formations projects.

چکیده فارسی

تحلیل‌های مبتنی بر داده از محبوبیت بی‌سابقه‌ای در میان متخصصان نفت و گاز برخوردار است. بسیاری از مشکلات مهندسی مخزن مرتبط با ذخیره‌سازی زمین‌شناسی CO2 نیازمند توسعه مدل‌های شبیه‌سازی مخزن عددی است. این کتاب اولین کتابی است که سهم هوش مصنوعی و یادگیری ماشین را در تجزیه و تحلیل داده‌های جریان سیال در محیط‌های متخلخل، از جمله سفره‌های آب شور و مخازن گاز و نفت تخلیه شده، بررسی می‌کند. با استفاده از مطالعات موردی واقعی، این کتاب نشان می‌دهد که چگونه می‌توان مدل‌های پراکسی هوشمند را برای مدل‌های شبیه‌سازی مخزن عددی پیچیده توسعه داد. پروکسی هوشمند دارای قابلیت‌های تشخیص الگوی هوش مصنوعی و یادگیری ماشینی است تا مدل‌های هوشمندی بسازد که پیچیدگی‌های تعاملات فیزیکی، مکانیکی و شیمیایی را با استفاده از شبیه‌سازی‌های عددی دقیق یاد می‌گیرد. این فناوری نوآورانه استفاده از مدل‌های شبیه‌سازی مخزن عددی پیچیده و دقیق را در طراحی، تحلیل و بهینه‌سازی ذخیره‌سازی کربن در پروژه‌های سازندهای زمین‌شناسی ممکن و کاربردی می‌سازد.