Méthode de prédiction de la production par "CRM" et "LSTM"

dc.contributor.authorBoucham, Mohamed Islam
dc.contributor.authorKaddour, Zoheir
dc.contributor.authorZeraibi, Noureddine (Promoteur)
dc.date.accessioned2023-11-05T09:22:01Z
dc.date.available2023-11-05T09:22:01Z
dc.date.issued2023
dc.description139 p. : ill. ; 30 cmen_US
dc.description.abstractLa Prédiction des performances futures de production est l’une des préoccupations majeures des ingénieurs de production pétrolière. Ce projet de fin d’étude comprend le développement de plusieurs modèles pour la prédiction du débit de production des hydrocarbures en utilisant différentes approches : l’approche classique d’ARPS et modernes tel que modèle de croissance logistique, Loi de puissance exponentielle et Le modèle de déclin de production exponentielle étirée pour l’analyse des courbes de déclin. Une autre approche de prédiction de la production a été utilisée, approche qui fait appel aux de techniques de réduction de dimensions tel que la méthode CRM (capacity resistance model), car avec cette méthode nous passons d’un modèle PDE a un système ODE ce qui va nous permettre d’optimiser et de contrôler les paramètres d’exploitation d’une manière plus simple de même la technique LSTM (Long Short term memory) a été d’utilisée pour la prévision de la production des puits ou des champs pétroliers sans faire appel à la modélisation physique du process d’exploitation, cette approche peut s’avérer intéressante pour le diagnostic primaire du fonctionnement d’un ensembles de puits.en_US
dc.identifier.urihttps://dspace.univ-boumerdes.dz/handle/123456789/12263
dc.language.isofren_US
dc.publisherUniversité M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie
dc.subjectHydrocarbures : Productionen_US
dc.subjectProduction : Gestion : Logicielsen_US
dc.subjectProduction : Prévisionen_US
dc.subjectCapacity resistance model (modèle)en_US
dc.subjectLong short term memory (modèle)en_US
dc.subjectAlgorithmes génétiquesen_US
dc.titleMéthode de prédiction de la production par "CRM" et "LSTM"en_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Boucham, Mohamed Islam 2023.pdf
Size:
4.38 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: