مقدمة

ويُعد تحليل منحنى الديزل حجر الزاوية في هندسة الخزانات، حيث يُقدم التنبؤات التي تستند إلى التخطيط الإنمائي الميداني، وتقدير الاحتياطيات، والتقييم الاقتصادي، وقد اعتمدت الصناعة على عوائل متميزة من النماذج: أساليب افتراضية مستمدة من البيانات تتناسب مع الإنتاج التاريخي، مع وظائف رياضية بسيطة، ونماذج آلية قائمة على الفيزياء، تحاول تكريم نماذج الارتقاء السائلة في وسائط الإعلام الخلاقة.

والدفع نحو النُهج الهجينة مدفوع بالحاجات العملية، كما أن الخزانات غير التقليدية، مع شبكات الكسور المعقدة والتدفق المتعدد المراحل، تحد من أساليب التراجع التقليدية، ويحتاج المهندسون إلى توقعات دقيقة وقوية، لا سيما عندما تكون بيانات الإنتاج محدودة أو مزعجة، ومن خلال إدماج القيود الفيزيائية، فإن النماذج الهجينة تقلل من خطر التدخل في البدائل وتحسن ظروف الأداء المتغيرة، مثل الضغط الآلى.

نماذج القرض التجريبي

فالنماذج التجريبية تعامل معدل الإنتاج كوظيفة من وظائف الزمن، وتفتقر إلى الفيزياء المستودعية الأساسية، وتكتم هذه الفيزياء على أنها ميزة رئيسية: فهي تتطلب بيانات إنتاجية فقط، وتتناسب بسرعة، وتنتج توقعات فورية، وأكثرها شهرة هي أسرة أربس، التي تم التعبير عنها على أنها:

q(t) = q]i / (1+ b D]i t)1/b]]

(أ) إذا كانت q]i] هي معدل أولي، Di[FtchLT:6]] هي معدلات انخفاض أولية، [نماذج خافتة]([نماذج متغيرة]([

وقد استحدث دوونغ (2011) نموذجا مصمما خصيصا للمستودعات المكسورة ذات التدفق الخطي العابر:

q(t) = q]i t-n exp[(a/(1-n) (t1-n - 1)]

حيث كان نموذج (دونغ) يتفوق على الارتحالات في مرحلة التحول المبكر، ولكن يمكن أن يبالغ في تقدير الإنتاج الطويل الأجل، كما أن نموذج النمو اللوجستي (كلارك وآخرون، 2011) ونموذج التقلبات المفرطة في الصلاحية شائع أيضاً.

نماذج الطاعون الفيزيائية - البلازمة

وتشتمل النماذج القائمة على الفيزياء صراحة على المعادلات التي تحكم تدفق السوائل، والهيدروليكات الحسنة، وخصائص الخزان، وتتراوح هذه المواصفات بين الحلول التحليلية للمستحضرات الجيولوجية المُثلية والمنشطات الرقمية الكاملة، وتشمل نماذج التذبذبذبات المُعدَّلة للعلامات المُعدَّلة للدمِّرات، على سبيل المثال، تحديد درجات الحرارة المتَّبة.

ومن ثم فإن الاكتشافات المتطورة التي تُجرى على نحو مكثف للمستودعات - المذيبات المائية المكسورة في الآبار الأفقية في الشركات الشاهقة غالبا ما تبنى نماذج رقمية تحفز التدفق المتعدد المراحل، والميكانيكيات الجيولوجية، والتغيرات في السلوكيات الكسورية، ويمكن أن تمثل هذه النماذج عمليات مادية مثل سد الماء، وتحلل الغاز، والقدرة على تحمل الإجهاد.

النُهج الهجينة للنمذجة

وترمي النماذج الهجينة إلى سد الفجوة بين الملاءمة القائمة على البيانات والاتساق المادي، وقد ظهرت عدة استراتيجيات، كل منها له منهجيات ومجالات تطبيقية متميزة.

معايرة دقيقة للصور الفيزياء مع الإمبراطورية

ويستخدم أحد المخططات المختلطة نماذج تجريبية لاستهلال أو تقييد التنبؤات المستندة إلى الفيزياء، مثلاً، يمكن استخدام نظام " آربس " التراجعي المكثف [(FLT:0)](ب) في نظام التدفق الخفي (مثلاً، باء = 2 للتدفق الطفيف)، الذي يسترشد به في ذلك بارامترات الحل التحليلي.

النماذج التجريبية المُطلعة على الفيزياء

(أ) ثمة نهج آخر يفرض قيوداً مادية مباشرة على تركيبات المنحنى التجريبي، فعلى سبيل المثال، يمكن أن يُجبر معدل الانخفاض [(D على اتباع شكل وظيفي متوقع مستمد من التوازن المادي، بحيث لا يمكن أن ينتهك النموذج حفظ الكتلة.

تصحيح البيانات - الجريفن للعارضات الفيزياء

وفي هذه الفئة، يوفر نموذج الفيزياء توقعات أساسية، كما أن طبقة التعلم التجريبي أو الآلات تصحح الموازين، وعلى سبيل المثال، قد يولد محفز رقمي اتجاهاً لانخفاض الطلبة الأولى، كما أن عملية غاوسيان أو شبكة عصبية مدربة على التنبؤ بالفرق بين المعدلات الملاحظــة والمحاكاة، ويحتفظ النموذج الموحد بالهيكل المادي للمحفز ولكنه يتعلم أخطاء منهجية.

تعلم الفيزياء

وقد أدخلت أوجه التقدم الأخيرة في مجال التعلم العميق شبكات الظواهر العصبية المزودة بالمعلومات الفيزيائية (PINNs) ، التي تجسدت في بيانات الاستبدال الحساس (مثل معادلة الانتشار) كمصطلح تنظيمي في وظيفة التسرب، أما بالنسبة لتطبيقات منحنى التلقيح، فيمكن تدريب شبكة PINN على معدل الإنتاج مقابل الوقت مع معاقبة التنبؤات المتروكة التي تنتهك

دراسات حالات إفرادية وتطبيقات

(أ) في ورقة عن " بيانات متطورة " () (SSPE-201571-MS() وفيها، وضع الباحثون نهجاً هجيناً يقترن بنموذج قياسي قائم على التوازن المادي مع شبكة عصبية مدربة على بيانات الإنتاج الميداني من البكين.

ويستخدم المشغلون الميدانيون أيضاً نماذج هجينة بصورة غير مباشرة من خلال برامجيات تدمج اتفاق التجارة الإقليمية مع تركيبات المنحنى الإحصائي، مثلاً، الأدوات التجارية (]] IHS Harmony) أو Fekete RTA) التي تسمح للمستخدمين بفرض قيود على نظام التدفقات التجريبية، مما يحول فعلياً دون حدوث انخفاض في التجهيزات المادية.

التحديات في مجال وضع النماذج الهجينة

وعلى الرغم من وعدها، تواجه النماذج الهجينة عدة تحديات دائمة، أولاً، ]] التكامل بين مختلف أطر النماذج ] يتطلب اهتماماً دقيقاً بالجداول الزمنية، وشروط الحدود، والتحقق منها، ويمكن أن يعالج نموذج تسلسلي يستخدم تركيبة تجريبية لتحريك الفيزياء أخطاء إذا كانت التركيبة غير متبصرة.

ثانياً، تظل نوعية البيانات وكميتها عوامل تحد، وتحتاج النماذج الفيزيائية إلى ضغط وخواص مصفورة وتفاصيل إنجاز؛ وتحتاج النماذج التجريبية إلى تاريخ إنتاج موثوق به، وقد ترث النماذج الهجينة نقاط الضعف في كلا الحالتين إذا كانت البيانات متفرقة أو غير موثوقة، وفي حقول ناضجة ذات اختبارات ضغط متكافئة، قد تكون آثار النموذج الفيزيائي ضعيفة.

ثالثاً، يمكن أن يكون الإنفاق الحاسبي حاجزاً، إذ أن تشغيل جهاز محاكاة كامل للمستودعات لآلاف الآبار في تدفق العمل اليومي المتوقع غير عملي، بل إن النماذج التحليلية المخفضة للفيزياء، إذا اقترن ذلك بتفاؤل أمثل، يمكن أن تصبح بطيئة جداً في التطبيقات في الوقت الحقيقي، وبالتالي فإن العديد من النهج الهجائية المتجانسة التي تُعرض للخطر باستخدام نماذج مبسطة.

رابعاً، اختيار النموذج والتحقق منه غير قابلين للتصوير، مع نموذج هجين، يجب على المهندس أن يقرر أي قيود مادية يجب فرضها وكم من الوزن لإعطائها مقارنة بالبيانات المناسبة، فإفراط الفيزياء في التدريب يمكن أن يقلل من قدرة النموذج على مطابقة التاريخ، بينما يؤدي التدريب الناقص إلى إعادة التشغيل الافتراضي.

الاتجاهات المستقبلية

وسيترتب على تطور نماذج الانخفاض الهجينة تقدم في أربعة مجالات هي: التعلم الآلات، واستيعاب البيانات، والرصد في الوقت الحقيقي، والتوأم الرقمي.

تعلم الآلات واكتشاف الفيزياء الآلية

يمكن للشبكات العصبية والتراجع الرمزي أن يكتشفا العلاقات المادية المتأخرة في بيانات الإنتاج، فعلى سبيل المثال، يمكن أن يستخلص الباحثون غير المتكررين (SINDy) معادلات تحكم مباشرة من منحنىات وقتية، وتنتج نماذج محركة البيانات ومتجانسة، وعندما يقترن ذلك بطرائق افتراضية (مثلاً، التوازن المادي)

استيعاب البيانات واستمرار تحديثها

ويسمح تجميع مرشحات كالمان ومرشحات الجسيمات بتحديث النماذج الهجينة مع وصول بيانات إنتاج جديدة، وبدلاً من التنبؤات الثابتة الوحيدة، يتطور النموذج مع الزمن، ويعيد ترتيب البارامترات التجريبية والمدخلات الفيزيائية (مثل مضاعفات التدفق الدائم).

التوائم الرقمية لدورة الحياة الجيدة

ومن الأمثلة الطبيعية على ذلك النموذج الرقمي المستكمل بشكل مستمر والذي يخلط بين محفزات الفيزياء وبيانات الإنتاج في الوقت الحقيقي، والاختبارات الجيدة، والسجلات التشغيلية، وسيتحول عنصر التنبؤ الهجين تلقائيا بين النماذج القائمة على كشف نظام التدفق، واستخدام الصيغ التجريبية للمراحل العابرة، والانتقال إلى توازن المواد الفيزيائية في الفترات التي تهيمن عليها الحدود، ولن يُتوقع وجود معدلات حمل في المستقبل فحسب، بل أيضا.

خاتمة

فالنماذج الهجينة التي تجمع بين النهج العملية والفيزيائية توفر مسارا عمليا نحو التنبؤات الأكثر دقة وقوة وقابلية للتفسير، ومن خلال الاحتفاظ بساطة وقابلية البيانات للتأثر بالطرق العملية، مع وضع توقعات بالقوانين الاختيارية، فإنها تعالج القيود التي يفرضها كل نهج من النهج النقي، ويتطور هذا المجال بسرعة، مع وجود ابتكارات في مجال التعلم الآلي وتقنيات استيعاب البيانات التي تتكيف مع النماذج