نظام تشتيت الغاز والماء على المقياس النانومتري (MNWDS) هو تقنية جديدة لزيادة معدل الاستخراج ، حيث يمكن لإدخال مرحلة تشتت الغاز والماء على المقياس النانومتري بين الفجوات الأصغر حجماً أن يوسع نطاق الانتشار بشكل فعّال وبالتالي زيادة معدل الاستخراج. حالياً ، تم إجراء تجارب في منطقة اختبار حقل خمس وانينغز لهذه الطريقة. عند توقع كمية النفط التي تم استخراجها باستخدام التخيلات الرقمية لنظام تشتيت الغاز والماء على المقياس النانومتري ، من الضروري مراعاة العديد من المتغيرات مثل حجم الفقاعات ، نسبة الغاز إلى السائل ، خصائص السوائل وما إلى ذلك إذاً يعتبر هذا العملية معقدة وتستغرق وقتاً طويلاً ولا يمكنها توقع كمية النفط التي تم استخراجها بسرعة. تنفيذاً لتوقع كمية النفط التي تم استخراجها بعد تنفيذ تشتيت الغاز والماء على المقياس النانومتري بدقة ، استناداً إلى بيانات الانتاج الفعلية في منطقة الاختبار ومعلمات النموذج الجيولوجي ، استخدمت هذه الدراسة خوارزمية الشبكات العصبية الاصطناعية (ANN) لبناء نموذج توقع كمية النفط التي تم استخراجها باستخدام تشتيت الغاز والماء على المقياس النانومتري. يعتبر هذا النموذج جزءاً من نموذج الشبكة العصبية الاصطناعية الذي يعتمد على بيانات الانتاج من قبل الآبار قبل تنفيذ تشتيت الغاز والماء على المقياس النانومتري ، ونسبة الماء ، معامل النفاذية ، كمية انتاج تشتيت الغاز والماء على المقياس النانومتري ، كمية المياه المحركة ، نسبة الفجوات ، السماكة الفعَّالة كبارامترات الإدخال. و قام بإنشاء مجموعة عينات لتدريب النموذج باستخدام السنوات الـ 12 الشهر التالية لتنفيذ تشتيت الغاز والماء على المقياس النانومتري بوصف الإخراج. ثم قام بتحليل تجميع العينات من خلال طريقة كي-المتوسط؛ هذه الطريقة تهدف إلى إزالة العينات الغير فعالة و تكوى أصبح لديهم تدريب ليتمام 59 عينة. في عملية تدريب النموذج ، تم تطبيق خوارزمية التحسين لتعديل المعلمات الذاتية للنموذج، حيث زاد هذا من دقة توقع النموذج في السنوات القادمة. بناءاً على هذا النموذج ، تم توقع كمية النفط ل 21 مجموعة بئر من المقرر تنفيذ تشتيت الغاز والماء على المقياس النانومتري، المقارنات بين توقعات النموذج والتخيلات الرقمية، بينت اتفاقيتهما البالغة 95% وأكدت دقة النموذج. هذا النموذج يقدم الطريقة الجديدة لتوقع كمية النفط باستخدام نظام تشتيت الغاز والماء على المقياس النانومتري.

نظام تشتيت الغاز والماء على المقياس النانومتري; التعلم الآلي; تحليل تجميع كي-المتوسط; الشبكات العصبية الاصطناعية; خوارزمية ليفنبرج- ماركوات