Modélisation de la viscosité des fluides de gisement : Apport de la PLS bootstrap et des réseaux de neurones
Viscosity Modelling for Reservoir Fluids: Contribution of Partial Least Square with Bootstrap Techniques and Neural Networks
1
Perenco, 23 rue Dumont d'Urville, 75116 Paris - France
2
Institut français du pétrole, IFP, 1-4 avenue Bois-Préau, 92852 Rueil-Malmaison Cedex - France
3
Inserm, U780, 16 avenue Paul Vaillant-Couturier, 94807 Villejuif - France
Auteurs de correspondance : rprodeng@cd.perenco.com annabelle.pina@ifp.fr ismail.ahmed@inserm.fr abdelaziz.faraj@ifp.fr
La régression linéaire Partial Least Squares (PLS) avec ré-échantillonnage par bootstrap et la régression non-linéaire par réseaux de neurones ont été utilisées pour construire des modèles de prédiction de la viscosité de fluides de gisement en fonction de leur composition, de la température et de la pression. Les modèles statistiques résultants permettent de prédire des valeurs de viscosité s'étendant de 0,21 cP à 10000 cP.
Abstract
Partial Least Squares linear regression (PLS) with bootstrap sampling, and Multi Layer Perceptron (MLP) non-linear regression were used to elaborate new viscosity models for estimating crude oil viscosity using fluid composition, temperature, and pressure. Statistical models obtained concern values from 0.21 cP to 10000 cP.
© IFP, 2008