طوّر باحثون في معهد موسكو للفيزياء والتقنية نموذجاً جزيئياً جديداً يعتمد على تقنيات التعلم الآلي، يهدف إلى تحسين دقة تحديد خصائص النفط أثناء عمليات الاستخراج، بنسبة تصل إلى نحو 90%.
وأوضح المعهد أن هذا النموذج يركّز على حساب التوتر السطحي بين السوائل داخل الصخور المسامية، وهو عامل أساسي في رفع كفاءة استخراج النفط وزيادة دقته.
وقال المدير التنفيذي لمركز الفيزياء الحاسوبية في المعهد نيكولاي كوندراتيوك، إن الطرق التقليدية كانت تتطلب وقتاً طويلاً لتحديد معايير مثل ملوحة المياه وتركيب الغاز في كل حقل، بينما يختصر النموذج الجديد هذه الخطوات بشكل ملحوظ.
وأشار إلى أن النماذج السابقة كانت تعاني من هامش خطأ قد يصل إلى 40%، إلى جانب اعتمادها على اختبارات مخبرية تستغرق أشهراً وتكلف الكثير من الموارد.
من جانبه، أوضح الباحث إيليا كوبانيشوك أن النماذج الأولية اجتازت الاختبارات بنجاح، لافتاً إلى خطط مستقبلية لتوسيع استخدامها لتشمل النفط الثقيل ودراسة سلوك الموائع في التراكيب النانوية.
ويعتمد النظام على حوسبة عالية الأداء تأخذ في الاعتبار عوامل متعددة مثل درجة الحرارة والضغط وتركيب النفط والغازات والأملاح الذائبة، ما أسهم في رفع دقة التوقعات إلى 90% باستخدام خوارزميات التعلم الآلي.
وتبرز أهمية هذه التقنية بشكل خاص في تطبيقات حقن ثاني أكسيد الكربون داخل الطبقات الصخرية لزيادة كفاءة الاستخراج.
التعليقات (0)
لا توجد تعليقات حتى الآن. كن أول من يعلق!
أضف تعليقك