SA119410316B1 - أنظمة وطرق للتحكم في التصديع الهيدروليكي في الوقت الفعلي - Google Patents
أنظمة وطرق للتحكم في التصديع الهيدروليكي في الوقت الفعلي Download PDFInfo
- Publication number
- SA119410316B1 SA119410316B1 SA119410316A SA119410316A SA119410316B1 SA 119410316 B1 SA119410316 B1 SA 119410316B1 SA 119410316 A SA119410316 A SA 119410316A SA 119410316 A SA119410316 A SA 119410316A SA 119410316 B1 SA119410316 B1 SA 119410316B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- data
- hydraulic fracturing
- job
- design
- fracturing well
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000013461 design Methods 0.000 claims abstract description 205
- 238000004519 manufacturing process Methods 0.000 claims abstract description 136
- 238000010801 machine learning Methods 0.000 claims abstract description 101
- 230000006870 function Effects 0.000 claims abstract description 52
- 230000002123 temporal effect Effects 0.000 claims abstract description 45
- 239000012530 fluid Substances 0.000 claims description 93
- 238000005457 optimization Methods 0.000 claims description 81
- 230000001186 cumulative effect Effects 0.000 claims description 43
- 238000005086 pumping Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 27
- 238000005336 cracking Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 13
- 230000007423 decrease Effects 0.000 claims description 10
- 239000000654 additive Substances 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000003938 response to stress Effects 0.000 claims description 6
- 230000006403 short-term memory Effects 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000001125 extrusion Methods 0.000 claims description 3
- 230000004224 protection Effects 0.000 claims description 2
- PRPINYUDVPFIRX-UHFFFAOYSA-N 1-naphthaleneacetic acid Chemical compound C1=CC=C2C(CC(=O)O)=CC=CC2=C1 PRPINYUDVPFIRX-UHFFFAOYSA-N 0.000 claims 1
- NJNFCDQQEIAOIF-UHFFFAOYSA-N 2-(3,4-dimethoxy-2-methylsulfanylphenyl)ethanamine Chemical compound COC1=CC=C(CCN)C(SC)=C1OC NJNFCDQQEIAOIF-UHFFFAOYSA-N 0.000 claims 1
- 241000511343 Chondrostoma nasus Species 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 claims 1
- 101001094044 Mus musculus Solute carrier family 26 member 6 Proteins 0.000 claims 1
- 230000033228 biological regulation Effects 0.000 claims 1
- 229940096118 ella Drugs 0.000 claims 1
- 230000002706 hydrostatic effect Effects 0.000 claims 1
- 235000020129 lassi Nutrition 0.000 claims 1
- PSGAAPLEWMOORI-PEINSRQWSA-N medroxyprogesterone acetate Chemical compound C([C@@]12C)CC(=O)C=C1[C@@H](C)C[C@@H]1[C@@H]2CC[C@]2(C)[C@@](OC(C)=O)(C(C)=O)CC[C@H]21 PSGAAPLEWMOORI-PEINSRQWSA-N 0.000 claims 1
- OOLLAFOLCSJHRE-ZHAKMVSLSA-N ulipristal acetate Chemical compound C1=CC(N(C)C)=CC=C1[C@@H]1C2=C3CCC(=O)C=C3CC[C@H]2[C@H](CC[C@]2(OC(C)=O)C(C)=O)[C@]2(C)C1 OOLLAFOLCSJHRE-ZHAKMVSLSA-N 0.000 claims 1
- 239000011800 void material Substances 0.000 claims 1
- 230000015654 memory Effects 0.000 description 22
- 238000013479 data entry Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000011161 development Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 9
- 235000015076 Shorea robusta Nutrition 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 239000000945 filler Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 239000012141 concentrate Substances 0.000 description 7
- 238000010200 validation analysis Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 208000000260 Warts Diseases 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000002787 reinforcement Effects 0.000 description 5
- 201000010153 skin papilloma Diseases 0.000 description 5
- 239000002002 slurry Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 101100234002 Drosophila melanogaster Shal gene Proteins 0.000 description 3
- 244000166071 Shorea robusta Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 208000002352 blister Diseases 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000009885 systemic effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000272168 Laridae Species 0.000 description 1
- 241000234435 Lilium Species 0.000 description 1
- 206010037888 Rash pustular Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000004067 bulking agent Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 150000004678 hydrides Chemical class 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000011022 opal Substances 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000675 plasmon resonance energy transfer Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 239000003380 propellant Substances 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 208000029561 pustule Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B41/00—Equipment or details not covered by groups E21B15/00 - E21B40/00
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
- General Factory Administration (AREA)
Abstract
يتم الكشف عن أنظمة systems وطرق methods لاستقبال بيانات إنتاج تاريخية historical production data مرتبطة ببئر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل، استقبال بيانات التسلسل الزمني time-series data المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل، حيث تمثل بيانات التسلسل الزمني time-series data نوع بيانات واحد على الأقل، استقبال بيانات غير زمنية non-temporal data مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل، إنتاج نموذج تعليم آلي بناءً على بيانات الإنتاج التاريخية، حيث ترتبط بيانات التسلسل الزمني ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وتعتمد على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند بئر التصديع الهيدروليكي hydraulic fracturing well المحددة، والبيانات غير الزمنية، تحديد تصميم المهمة المحسَّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي، وتنفيذ تصميم المهمة المحسَّن لبئر التصديع اله
Description
أنظمة وطرق للتحكم في التصديع الهيدروليكي في الوقت الفعلي SYSTEMS AND METHODS FOR REAL-TIME HYDRAULIC FRACTURE CONTROL الوصف الكامل خلفية الاختراع glass التقنية الحالية بالتحكم في التصديع الهيدروليكي في الوقت الفعلي real-time hydraulic fracture وتتعلق بشكل أكثر تحديدًا باستخدام المعلومات التاربخية؛ ومعلومات التسلسل الزمني time-series information وخصائص البثر Well characteristics لإنشاء نموذج تعليم الى machine learning model يتم استخدامه لتحسين تصميم مهمة التصديع. يمكن أن يجري فريق التصديع النمطي مهمة التصديع الهيدروليكي hydraulic fracturing job بناءً على dad تنفيذ المهمة سابقة التصميم lly تعتمد على خصائص البئر well «characteristics واعتبارات التصميم التاريخية؛ ونمذجة الصدوع؛ ومعلومات الموقع. ومع ذلك؛ فلا يتبع تنفيذ المهمة في الوقت الفعلي خطة التنفيذ سابقة التصميم عند وقوع أحداث غير مخطط 0 .لها مثل انفصال المواد الصلبة وإعاقتها للتدفق؛ الارتفاع المفاجئ للضغط؛ حالات (Pe) وغيرها. وعند وقوع تلك الأحداث؛ يتخذ مهندس الموقع قرارات للتحكم في المهمة وتصديع البثر. ومع ذلك؛ تعتمد هذه القرارات على الطرق والقرارات غير الموضوعية التي يتخذها المهندسون وأعضاء طاقم العمل الموجودين في الموقع. وقد لا تؤدي القرارات إلى التحفيز الأمثل all الوصف العام للاختراع 5 في نموذج (Jol قد يوفر الاختراع الحالي طريقة لاستقبال بيانات إنتاج تاريخية historical production data مرتبطة jin تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل يشتمل على استقبال» بواسطة معالج واحد على الأقل» بيانات إنتاج تاريخية historical production data مرتبطة jin تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ واستقبال» بواسطة معالج واحد على الأقل؛ بيانات التسلسل الزمني time-series data
المرتبطة yin التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند iy تصديع هيدروليكي hydraulic fracturing well محددة حيث تمثل بيانات التسلسل الزمني time-series data نوعًا واحدّا على الأقل للبيانات؛ واستقبال» بواسطة المعالج processor الواحد على الأقل؛ بيانات غير زمنية data 5 000-16000018 مرتبطة jy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل؛ وإنتاج؛ بواسطة المعالج processor الواحد على الأقل؛ نموذج تعليم آلي machine learning model بناء على بيانات الإنتاج التاريخية historical production Cus data ترتبط بيانات التسلسل الزمني 0818 iy time-series التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي أثناء 0 مرحلة أولى من المهمة التي تتم عند J التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات غير الزمنية؛ وتحديد؛ بواسطة المعالج processor الواحد على «JN تصميم المهمة المحسّن لبر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له dla موضوعية باستخدام تنب يعتمد على نموذج التعليم الآلي؛ «dig بواسطة المعالج Processor الواحد على الأقل؛ تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well 5 المحددة. هناك جانب آخر بالاختراع» حيث تشتمل الدالة الموضوعية على واحد على الأقل من زيادة مكافئ برميل barrel of oil equivalent (BOE) cull التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي إلى أقصى حد لأول تسعة أشهر» وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ 0 وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر Hed وتقليل نسبة الغاز إلى الزيت اأ985-0 ratio (GOR) بعد اثنا عشر شهرًاء وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية jill net present value (NPV) لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر شهرًا لكل دولار من تكلفة المهمة. هناك جانب AT بالاختراع؛ حيث Jin تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في -بثر التصديع الهيدروليكي hydraulic fracturing well المتغير الواحد على الأقل المشتمل
على معدل ضخ مائع التصديع fluid 786101109؛ نوع المائع؛ حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي cproppant source كتلة sale الحشو الدعمي proppant source في كل مرحلة؛ أقصى تركيز sald الحشو الدعمي proppant source في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي proppant source أو معدل تدرج مادة الحشو. هناك جانب AT بالاختراع» حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل للمهمة
في بر التصديع الهيدروليكي hydraulic fracturing well المحددة. هناك جانب آخر بالاختراع» حيث يتم استخدام نموذج التعليم الآلي للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء الرئيسي Key Performance Indicator (KPI) لأداء البثر بالنسبة لبثر التصديع
0 الهيدروليكي hydraulic fracturing well المحددة. هناك جانب AT بالاختراع» حيث تشتمل كذلك على إنتاج نموذج التعليم الآلي لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام مشفر آلي بذاكرة قصيرة المدى طويلة t=1 Long Short Term Memory (LSTM) إلى © - ]. يوفر النموذج الثاني بالاختراع نظام لاستقبال بيانات إنتاج تاريخية historical production
data 5 مرتبطة ببئثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل يشتمل على: معالج واحد على الأقل مقترن بوسط تخزين واحد على الأقل قابل للقراءة بالكمبيوتر مخزن عليه تعليمات والتي عند تنفيذها بواسطة المعالج processor الواحد على الأقل تتسبب في قيام النظام بالآتي: استقبال بيانات إنتاج تاريخية historical production data مرتبطة ببثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل الزمني
time-series 0818 20 المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cus تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات؛ استقبال بيانات غير زمنية Non—temporal data مرتبطة iw تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ إنتاج نموذج تعليم آلي
machine learning model بناءً على بيانات الإنتاج التاريخية historical production Cus data ترتبط بيانات التسلسل الزمني 0818 iy time-series التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند ji التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات غير الزمنية؛ تحديد تصميم المهمة المحسّن A التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبو يعتمد على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن id التصديع الهيدروليكي hydraulic fracturing well المحددة. هناك جانب آخر بالاختراع» حيث تشتمل الدالة الموضوعية على واحد على الأقل من زيادة مكافئ 0 برميل الزيت barrel of oil equivalent (BOE) التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي إلى أقصى حد لأول تسعة أشهر» وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في Jol اثنا عشر Hed وتقليل نسبة الغاز إلى الزيت اأ985-0 ratio (GOR) بعد اثنا عشر شهرًاء وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية net present value (NPV) 5 للبئر لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر شهرًا لكل دولار من تكلفة المهمة. هناك جانب آخر بالاختراع» حيث Jind تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well المتغير الواحد على الأقل المشتمل على معدل ضخ مائع التصديع fluid 786101109؛ نوع المائع؛ حجم المائع في كل مرحلة؛ حجم sale 20 الحشو الدعمي cproppant source كتلة sale الحشو الدعمي proppant source في كل مرحلة؛ أقصى تركيز sald الحشو الدعمي proppant source في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي proppant source أو معدل تدرج مادة الحشو الدعمي .proppant source هناك جانب AT بالاختراع» حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل للمهمة 5 في بثر التصديع الهيدروليكي hydraulic fracturing well المحددة.
هناك جانب آخر بالاختراع» حيث يتم استخدام نموذج التعليم الآلي للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء الرئيسي Key Performance Indicator (KPI) لأداء البثر بالنسبة لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة. يوفر نموذج ثالث بالاختراع وسط غير مؤقت قابل للقراءة بالكمبيوتر يتضمن تعليمات مخزنة عليه؛
والتي عند تنفيذها بواسطة معالج واحد على الأقل؛ تتسبب في قيام المعالج processor الواحد على الأقل بعمليات تشتمل على: استقبال بيانات إنتاج تاريخية historical production data مرتبطة ببثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل الزمني time-series data المرتبطة iy التصديع الهيدروليكي hydraulic
fracturing well 0 الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cua تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات؛ استقبال بيانات غير زمنية -000 temporal data مرتبطة ببثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ إنتاج نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية
Cus chistorical production data 5 ترتبط بيانات التسلسل الزمني Ju time-series data التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند بتر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات غير الزمنية؛ تحديد تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له Ala موضوعية باستخدام تنب يعتمد
0 على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن لبر التصديع الهيدروليكي hydraulic fracturing well المحددة. شرح مختصر للرسومات لوصف الطريقة التي يمكن بواسطتها الحصول على مميزات وسمات الكشف المذكورة أعلاه clay فإنه يمكن الحصول على وصف أكثر تحديدًا للمبادئ الموصوفة باختصار أعلاه بالإشارة
إلى تجسيداتها الموضحة فى الرسومات الملحقة. يمكن agh التجسيدات الواردة هنا بصورة أفضل
بواسطة الإشارة إلى الوصف التالي بالاشتراك مع الرسومات المصاحبة حيث تشير الأرقام
المرجعية المماثلة إلى عناصر مشابهة؛ متطابقة؛ أو مماثلة وظيفيًا. علمًا بأن هذه الرسومات
تصور تجسيد ات توضيحية فقط للكشضف ولا يجب اعتبارها مقيدة لمجاله 4 تم وصف الما هيم الواردة
هنا وشرحها بتفاصيل إضافية عبر استخدام الرسومات المصاحبة حيث:
الشكل 11 عبارة عن رسم تخطيطي لنظام تصديع قد يتضمن نظام تحسين مهمة التصديع
الهيدروليكى chydraulic fracturing job وفقًا لبعض الأمثلة؛
الشكل 1ب عبارة عن مخطط يوضح مثالاً على تكوين جوفي يمكن فيه إجراء عملية تصديع؛ hy
لبعض الأمثلة؛ 0 الشكل 2 le عن مخطط إطاري لنظام تحسين مهمة التصديع الهيدروليكي hydraulic
fracturing job والذي يمكن تنفيذه لتحسين تصميم مهمة التصديع؛ Bg لبعض الأمثلة؛
الشكل 3 عبارة عن مخطط انسيابي لنظام تحسين مهمة التصديع الهيدروليكي hydraulic
(fracturing job وفقًا لبعض الأمثلة؛
الشكل 4 يعرض مخططً لبيانات التسلسل الزمني time-series data المستخدمة لإنشاء نموذج 5 التعليم الآلي لنظام تحسين مهمة التصديع الهيدروليكى chydraulic fracturing job وفقًا لبعض
الأمثلة؛
الشكل 5 يعرض رسومًا بيانية مرتبطة بتصميمات مهمة التصديع الهيدروليكي hydraulic
(fracturing job وفقًا لبعض الأمثلة؛
الشكل 6 عبارة عن مخطط انسيابي لطريقة توضيحية لتحسين تصميم مهمة تصديع ‘ Gag لبعض 0 الأمثلة؛
الشكل 7 عبارة عن رسم تخطيطي لبنية جهاز حاسوبي توضيحية؛ hg لبعض الأمثلة.
الوصف التفصيلى:
تتم مناقشة العديد من تجسيدات الكشف بمزيدٍ من التفصيل أدناه. بينما تمت مناقشة تطبيقات محددة؛ فيجب إدراك أن هذا لغرض التوضيح فقط. فسيدرك أصحاب المهارة في المجال ذي الصلة إمكانية استخدام مكونات وهيئات أخرى دون الابتعاد عن مجال وفحوى الكشف. يجب إدراك أنه في بادئ الأمر على الرغم من توضيح تطبيقات توضيحية لواحد أو أكثر من التجسيدات أدناه؛ فيمكن تنفيذ الجهاز والطرق التي تم الكشف عنها باستخدام أي عددٍ من التقنيات. لا يجب قصر الكشف بأية حالٍ من الأحوال على التطبيقات التوضيحية» والرسومات والتقنيات الموضحة هناء ولكن قد يمكن تعديله ضمن مجال عناصر الحماية الملحقة مع مجال المكافئات الكامل الخاص بها. ستتضح الخواص المختلفة الموصوفة بمزيدٍ من التفصيل أدناه؛ بسهولة لأصحاب المهارة في المجال فور قراءة الوصف التفصيلي التالي؛ وبواسطة الإشارة إلى الرسومات 0 المرفقة. يتم الكشف هنا عن أنظمة»؛ طرق» ووسائط تخزين ALE للقراءة بالكمبيوتر للتحكم في التصديع الهيدروليكي في الوقت الفعلي real-time hydraulic fracture واستخدام معلومات التسلسل الزمني time-series information وخصائص well characteristics jl لإنشاء نموذج تعليم آلي machine learning model يتم استخدامه للتوصية بالتغييرات التي يتم إدخالها في 5 تصميم المهمة. يمكن أن يحصل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job على بيانات إدخال ويستقبلها Jie البيانات التاريخية المرتبطة بمجموعة آبار وبيانات غير زمنية data 000-18000018 مرتبطة بمجموعة الآبار. بالإضافة إلى ذلك؛ يمكن أن يستقبل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job بيانات التسلسل الزمني time-series data المرتبطة بواحد أو أكثر من البارامترات أو المتغيرات لبثر معينة ie 20 معدل التدفق؛ تركيز sale الحشو الدعمي «proppant sourceproppant concentration تركيز المائع؛ تركيز مواد الإضافة الكيميائية؛ والضغط. يمكن أن يستخدم نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job بيانات الإدخال لإنتاج نموذج تعليم آلي machine learning model يمكن استخدامه للتنبؤ بالتغيرات التي يتم إدخالها في الوقت الفعلي في تصميم المهمة الأصلي للبئر المحددة والتوصية بها لإجراء عمليات التصديع. يمكن أن ينتج 5 نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job نموذج تعليم آألي
machine learning model للبثر التصديع الهيدروليكي hydraulic fracturing well المحددة بناءً على بيانات الإنتاج التاريخية chistorical production data بيانات التسلسل الزمني time-series data المرتبطة iy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل ply على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة في بئر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات غير الزمنية. بعد ذلك؛ يمكن أن يُعزّل نظام تحسين تصميم مهمة التصديع الهيدروليكي hydraulic fracturing job من تصميم المهمة الأصلي باستخدام تصميم المهمة المحسّن id التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام gull المعتمد على نموذج التعليم الآلي. يمكن أن ترتبط الدالة الموضوعية بمؤشرات الأداء الرئيسية المحسّنة مثل تكاليف الإنتاج أو 0 التتكاليف المالية. نتيجة لذلك» يمكن أن ينفذ نظام تحسين تصميم مهمة التصديع الهيدروليكي hydraulic fracturing job تصميم المهمة المحسّن il التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثانية والمراحل اللاحقة من المهمة التي تستخدم المرحلة الأولى من المهمة في fy التصديع الهيدروليكي hydraulic fracturing well المحددة. في مثالٍ آخرء يمكن أن Jad نظام تحسين تصميم مهمة التصديع الهيدروليكي hydraulic fracturing job 5 من تصميم المهمة الحالي لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة في أية مرحلة بعد المرحلة الأولى من تنفيذ مهمة التصديع الهيدروليكي hydraulic fracturing job باستخدام تصميم مهمة محسّن له Ally موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي والبيانات الصادرة من جميع المراحل السابقة للمهمة التي يتم إجراؤها على بثر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ وتنفيذ التصميم 0 المحسّن حديثًا للمراحل الحالية واللاحقة للمهمة. في مثالٍ آخرء يمكن أن Jad نظام تحسين تصميم مهمة التصديع الهيدروليكي hydraulic fracturing job من تصميم المهمة الحالي yd التصديع الهيدروليكي hydraulic fracturing well المحددة في أي وقت معين أثناء تنفيذ مهمة التصديع الهيدروليكي hydraulic fracturing job على سبيل المثال على أساس دقيقة بدقيقة أو ثانية بثانية؛ باستخدام تصميم مهمة محسّن له دالة موضوعية باستخدام تنب يعتمد على نموذج 5 التعليم الآلي والبيانات الصادرة من جميع الأزمنة السابقة للمهمة التي يتم إجراؤها على Ji
التصديع الهيدروليكي hydraulic fracturing well المحددة؛ وتنفيذ التصميم المحسّن aa من الزمن الحالي فصاعدًا لتنفيذ المهمة. يمكن أن يُعزّل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job متغيرًاً واحدًا على الأقل للمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well المحددة
لتحسين مؤشرات الأداء الرئيسية بما في ذلك إدخال تعديلات على معدل ضخ مائع التصديع (fracturing fluid نوع المائع؛ حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي source 0100083171 كتلة sale الحشو الدعمي proppant source في كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمي proppant source في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي proppant source أو معدل تدرج مادة الحشو الدعمي proppant
.sourceproppant ramp rate 10 Gy لجانب واحد على الأقل؛ يتم توفير طريقة توضيحية لتحسين تصميم مهمة التصديع. يمكن أن تتضمن الطريقة استقبال» بواسطة معالج واحد على (BY) بيانات إنتاج تاريخية historical production data مرتبطة iy تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال؛ بواسطة المعالج processor الواحد على الأقل؛ بيانات التسلسل الزمني time—
series 0818 5 المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند yi تصديع هيدروليكي hydraulic fracturing well محددة؛ Cus تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات الخاصة iy التصديع الهيدروتيكي hydraulic fracturing well المحددة؛ استقبال؛ بواسطة المعالج processor الواحد على الأقل؛ بيانات غير زمنية -000
temporal 0818 20 مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقلء إنتاج؛ بواسطة المعالج processor الواحد على «JY نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية chistorical production data حيث ترتبط بيانات التسلسل الزمني iy time-series data التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وتعتمد على تصميم المهمة الأصلي أثناء مرحلة أولى من
5 المهمة التي تتم عند J التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات
غير الزمنية؛ تحديد؛ بواسطة المعالج processor الواحد على الأقل؛ تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له dla موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي؛ وتنفيذ؛ بواسطة المعالج processor الواحد على الأقل؛ تصميم المهمة المحسّن fd التصديع الهيدروليكي hydraulic fracturing well المحددة.
Gg 5 لجانب واحد على (JY) يتم توفير نظام توضيحي لتحسين تصميم مهمة التصديع. يمكن أن يتضمن النظام معالجًا واحدًا على الأقل مقترئًا بوسط تخزين واحد على الأقل قابل للقراءة بالكمبيوتر مخزن عليه تعليمات والتي عند تنفيذها بواسطة المعالج processor الواحد على الأقل تتسبب في قيام النظام باستقبال بيانات إنتاج تاريخية historical production data مرتبطة ببثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل
0 الزمني time-series data المرتبطة iy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cua تمثل بيانات التسلسل الزمني time— series data نوعًا واحدًا على الأقل للبيانات الخاصة jin التصديع الهيدروليكي hydraulic fracturing well المحددة؛ استقبال بيانات غير زمنية non—temporal data مرتبطة ببئر
5 التصديع الهيدروليكي hydraulic fracturing well الواحدة على «JY إنتاج نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية historical production Cus data ترتبط بيانات التسلسل الزمني 0818 iy time-series التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وتعتمد على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند ji التصديع الهيدروليكي hydraulic fracturing well
0 المحددة؛ والبيانات غير الزمنية؛ تحديد تصميم المهمة المحسّن A التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبو يعتمد على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة. Ud لجانب واحد على الأقل؛ يتم توفير وسط تخزين غير مقت قابل للقراءة بالكمبيوتر توضيحي
5 - لتحسين تصميم مهمة التصديع. يمكن أن يتضمن وسط التخزين غير المؤقت القابل للقراءة
بالكمبيوتر تعليمات؛ والتي عند تنفيذها بواسطة واحد أو أكثر من المعالج «processor تتسبب في قيام الواحد أو أكثر من المعالج ciprocessor بإجراء عمليات تتضمن استقبال بيانات إنتاج تاريخية historical production data مرتبطة jin تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل الزمني time-series data المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة
على تصميم المهمة الأصلي الخاص بمهمة عند iy تصديع هيدروليكي hydraulic fracturing well محددة؛ حيث تمثل بيانات التسلسل الزمني time-series data نوعًا واحدّا على الأقل للبيانات الخاصة ببثر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ استقبال بيانات غير زمنية non—temporal data مرتبطة ببئر التصديع الهيدروليكي
hydraulic fracturing well 0 الواحدة على «JN إنتاج نموذج تعليم machine SI learning model بناءً على بيانات الإنتاج التاريخية chistorical production data حيث ترتبط بيانات التسلسل الزمني iy time-series data التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وتعتمد على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند بر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات
5 غير الزمنية؛ تحديد تصميم المهمة المحسّن Jil التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن fd التصديع الهيدروليكي hydraulic fracturing well المحددة. تم استخدام التصديع الهيدروليكي على نطاق واسع لتحفيز الخزانات غير التقليدية. وتم إجراء مهام التصديع الهيدروليكي باستخدام خطة تنفيذ مهمة سابقة التصميم تعتمد على خصائص البئر well
characteristics 0 واعتبارات التصميم التاريخية؛ ونمذجة الصدوع؛ ومعلومات الموقع؛ ومعلومات أخرى . ومع ذلك؛ فلا يتبع تنفيذ مهمة التصديع الهيدروليكي hydraulic fracturing job في الوقت الفعلي real-time hydraulic fracture بالضرورة خطة المهمة سابقة التصميم عند وقوع أحداث ومشكلات غير متوقعة Jie حالات انفصال المواد الصلبة وإعاقتها للتدفق؛ حالات الارتفاع المفاجئ للضغط» حالات الإغلاق»؛ وغيرها. من الناحية التقليدية؛ يتخذ مهندسو الموقع قرارات
5 بشأن التحكم في المهمة لتصديع البئر أو 'تكسيرها" بنجاح. ومع ذلك» قد تتضمن هذه القرارات BUA
شخصيًا يتخذه المهندسون وأعضاء طاقم العمل الموجودين في الموقع وقد لا تؤدي إلى التحفيز الأمثل all على سبيل (Ja فإن قرارات الضخ التقليدية أثناء عمليات التصديع الهيدروليكي لا تخضع dns عام للبيانات والإحصائيات. فالعديد من القرارات تكون قرارات غير موضوعية تستند إلى خبرة طاقم العمل القائم بعملية التصديع في المجال subject matter expertise (/581). وتكون لعملية اتخاذ القرارات بشكل نمطي هدف تنفيذ جدول ضخ محدد مسبقًا (مثل ضخ 45.359 كيلو جرام (Ibs.) pounds من sale الحشو الدعمي proppant source في 220.244 لتر gallons (gal) من المائع عند 75 برميل في الدقيقة (bpm) barrels per minute في كل عملية (dallas أو التعامل مع أحداث الابتعاد الكارثي عن النتائج المتوقعة Jie) انخفاض معدل التدفق 0 أو إنهاء المعالج sprocessor قبل الأوان أثناء زيادة الضغط الناتجة بسبب انفصال المواد الصلبة وإعاقتها للتدفق). ولا تؤدي طريقة تنفيذ المهمة الثابتة والتفاعلية تلك إلى تحسين نتائج المهمة. فهي تسعى بوجدٍ عام إلى إتمام المهمة مثلما تم تصميمهاء؛ مع آلية بسيطة لتلقي التغذية الرجعية أثناء المهمة وتعديل التصميم لتحسين النتيجة. يمكن أن تتضمن بعض أمثلة سمات التحيز التي يمكن استخدامها لتحسين عمليات تصديع البثر 5 نيع المائع؛ حجم المائع؛ نوع sale الإضافة وتركيزهاء نوع sale الحشو الدعمي proppant 46 الحجمء التركيز؛ الكتلة؛ ومعدل الضخ. تتضمن السمات الإضافية التي تؤثر على zl jl ممارسات الإنتاج التي يستخدمها القائم بالتشغيل وخصائص الخزان أو الخصائص المكانية. يُظهر العدد الكبير من السمات عبر العديد من الآبار في منطقة؛ موقع؛ حوض؛ أو دولة الحاجة إلى نمذجة رياضية وإحصائية معقدة على نطاق واسع. إن العلاقات والتفاعلات بين هذه السمات 0 الإضافية وغيرها ليست بسيطة. ويمكن استخدام المعلومات لإنشاء خطة تصميم مهمة تصديع أو لتصميم خطة تحفيز أو إنتاج إجمالية من عدة آبار. بمجرد بدء موقع cll يمكن استخدام نماذج أخرى لمراقبة تقدم تطور Jill وتوفير رؤية حول التعديلات أو التغييرات التي يمكن إدخالها في خطة تصميم المهمة وهو بالأمر المفيد. فيمكن أن تتمثل الفائدة في تقليل الإطار الزمني للوصول إلى هدف الإنتاج؛ وتقليل تكلفة 5 تطوير البثر وتشغيله أثناء أطوار التطوير والإنتاج» وزيادة استخلاص المكافئ المتوقع لبرميل من
الزيت «(BOE) barrel of oil equivalent ومؤشرات أو معايير الأداء الرئيسية الأخرى key .(KPI) performance indicators or measures يمكن استخدام الكشف الوارد مناقشته هنا لتوفير تصميم مهمة تصديع هيدروليكي موصى به أو توفير مخطط انسيابي للتصميم. تتضمن العملية إنشاء نموذج تنبؤي أو تعليم آلي بناءً على البارامترات أو المتغيرات المستخلصة من البيانات التاريخية. تتضمن البيانات التاريخية بيانات إنتاج؛ بيانات تصديع متسلسلة (Bie) وبيانات ثابتة أو غير زمنية من عدة آبار. يتم تقسيم البيانات التاريخية إلى ثلاث فئات أو مجموعات؛ بما في ذلك التدريب؛ التحقق من الصحة والاختبار» لإنشاء النموذج؛ وتقييم أداء النموذج؛ وفحص القوة التنبؤية للنموذج؛ على التوالي. يمكن استخدام طرق أو خوارزميات تتضمن غابات القرارات العشوائية؛ التعزيز المتدرج؛ الانحدار الخطي؛ انحدار 0 الحرفء أو التعلم العميق لإنشاء نموذج التعليم الآلي باستخدام بيانات التسلسل الزمني -0006 series data المشفرة من نموذج jie بذاكرة قصيرة المدى طويل Long Short-Term (LSTM) Memory ومتغيرات ثابتة غير زمنية للتنبؤ KPI مثل إنتاج al التراكمي على مدار 6 أشهر أو إنتاج البئر التراكمي على مدار 12 شهرًا. كما يتم إنشاء نموذج تنبو بالضغط باستخدام بيانات تاريخية مماثلة والتي يمكن استخدامها في الموقع للتنبؤ بالضغط في الوقت الفعلي 5 ويمكن أن تعمل على مراقبة ا0>ا في الموقع. بالنسبة لإحدى مراحل بثر محل اهتمام؛ يتم إنتاج العديد من تصميمات المهمة المرشحة وإمرارها عبر نماذج التعليم الآلي KPI gall يتم إنشاء نموذج تحسين بناءً على المتغيرات التي تم إدخالهاء قيود المتغيرات؛ والدوال الموضوعية لتقليل أو زيادة KPI المحدد Jie إنتاج البثر. يمكن إنشاء نموذج التحسين باستخدام أي من خوارزميات التحسين بما في ذلك الخوارزم الوراثي؛ البحث 0 المكثف؛ التطور التفاضلي؛ والبحث عن الأنماط» وغيرها الكثير. يستخدم نموذج التحسين تنبؤات ناتجة من نموذج التعليم الآلي لكل تصميم من تصميمات المهمة المرشحة لأغراض التحسين وبوصي بتصميم المهمة الذي يستوفي القيود. يمكن أن يوازن تصميم المهمة الموصى به بين زيادة الإنتاج إلى أقصى حد وتقليل التكلفة إلى أدنى حد ويمكن تحسينه لتحقيق نتائج إنتاج قصيرة المدى ومنخفضة التكلفة؛ ونتائج إنتاج طويلة المدى» 5 KPIS الأخرى. يمكن أن يقوم باستخدام تصميم
المهمة مهندسو البثر والقائمون بتشغيله والمعدات الموجودة في موقع البثر بما في ذلك الأجهزة الحاسوبية. يمكن أن تحد الطريقة الجهازية والتي تقوم على البيانات Ally يستخدمها النظام الوارد مناقشته هنا من الحاجة إلى اتخاذ قرارات شخصية وفورية مرتبطة بتصميم مهمة التصديع للمساعدة في تحقيق عملية مستمرة لاتخاذ قرارات في الموقع وفي الوقت الفعلي بخصوص عمليات التصديع. يمكن أن تستخدم الطريقة البيانات في الوقت الفعلي lly تتضمن معلومات كل ثانية مجمعة أثناء عملية التصديع والتي تتضمن بيانات الضغط؛ بيانات معدل ral) بيانات استشعار صوتي رقمي (DAS) digital acoustic sensing بيانات استشعار درجة حرارة رقمي digital «(DTS) temperature sensing أو بيانات استشعار الانفعال الرقمي digital strain .(DSS) sensing 0 يمكن أن تستخدم الحلول الوارد مناقشتها هنا نموذجًا رياضيًا وإحصائيًا قائمًا على البيانات ply على بيانات التسلسل الزمني time-series data للتنبؤ بمهام التصديع وتحسينها في الوقت ad عن طريق إجراء عمليات iad من مؤشرات الأداء الرئيسية والتي تتضمن؛ ولكن لا تقتصر علىء زيادة إنتاج البثر إلى أقصى eon حجم الخزان المحفز؛ (NPV تقليل زمن المهمة 5 إلى أدنى حدء أو تقليل التكلفة إلى أدنى حد. يمكن أن يقضي استخدام النموذج للتنبؤ بمهمة التصديع وتحسينها على اتخاذ القرارات الفورية أو يقلل منه أثناء مهمة التصديع. كمثالٍ؛ يمكن أن يعتمد النموذج على بيانات التسلسل الزمني time-series data لمهمة التصديع والتي لها متغيرات مرتبطة بمعدل الملاط؛ تركيز sale الحشو الدعمي cproppant source ضغط المعالج csprocessor وغيرها. بالإضافة إلى ذلك؛ يمكن أن يعتمد النموذج على خصائص البثر well characteristics 20 الإضافية المرتبطة بالبيانات الثابتة غير الزمنية Allg تتضمن معلومات موقع البثر والتي تتضمن خطوط العرض والطول؛ العمق الرأسي الحقيقي true vertical depth (TVD) العمق المقاس measured depth (1/10)؛ معلومات الخزان؛ متغيرات الإكمال (على سبيل المثال؛ الطول الجانبي؛ المسافة بين المراحل؛ المسافة في مجموعة الثقوب؛ عدد عمليات المعالج (processor ضغط الإغلاق الفوري instantaneous shut-in pressure ((ISIP) 5 درجة ميل الصدوع؛ من بين بيانات أخرى. يمكن أن يكون النموذج الرياضي والإحصائي
نموذج تعليم آلي machine learning model يعتمد على LSTM والذي يستخدم كلاً من بيانات التسلسل الزمني time-series data والبيانات غير الزمنية. يمكن استخدام النموذج Sell ب KPIs الخاصة بالبئر وتتبعها في الوقت الفعلي أثناء مهمة التصديع ويوفر توصيات لتحسين KPIs الخاصة بمهمة التصديع. يمكن أن تعتمد طريقة بديلة على اثنين أو أكثر من نماذج التعليم الآلي والتي تتضمن نموذجًا يعتمد على بيانات التسلسل الزمني time-series data ونموذجًا
آخر يستخدم بيانات ثابتة غير زمنية. يمكن الجمع بين النموذجين باستخدام نموذج تعليم آلي Ala) machine learning model نموذج إحصائي؛ طريقة تعتمد على الفيزياء» أو توليفة من هذه الطرق؛ من بين احتمالات أخرى. يمكن أن يستخدم نموذج التعليم الآلي بيانات كبيرة مرتبطة بمجموعة آبار تتضمن معلومات
0 الضخ في الصدوع المسلسلة زمنيًا والمفصلة بالثانية والتي تنتج من مهام التصديع التاريخية في حوض أو منطقة بالإضافة إلى البيانات المتوفرة بشكل عام. نتيجة لذلك؛ يمكن استخدام نموذج التعليم الآلي لتوفير طريقة جهازية وقابلة للتوسع للتنبؤ بالتغيرات التي ls على عمليات التصديع في الموقع في الوقت الفعلي والتوصية بها. يمكن أن يعتمد النموذج على العديد من مصادر إدخال البيانات التي يمكن تشفيرها Ge أو مصدر بيانات إدخال فردي يمكن الجمع بينه مع سمات ثابتة
5 أو هندسية أخرى. يمكن أن يدعم النظام معلومات التسلسل الزمني time-series information وخصائص Al Well characteristics لإنشاء نموذج إحصائي يعتمد على البيانات على نطاق واسع للتنبؤ ب KP في الوقت الفعلي في الموقع والتوصية بالتغيرات التي يتم إدخالها في تصميم المهمة والتي تحيّن من KPI يمكن أن يستخدم النموذج بيانات ضخ الصدوع المسلسلة زمنيًا وغيرها من
0 معلومات البئر Jie بيانات الموقع؛ بيانات الخزان؛ ومتغيرات الإكمال. يمكن استخدام البيانات التاريخية الصادرة من مجموعة آبار لتدريب النموذج ويمكن تحقيق التنبؤات في الوقت الفعلي في الموقع بالنسبة لموقع i مقترح أو بئثر محددة. يمكن أن يستخدم النموذج في الوقت الفعلي وواسع النطاق نماذج التعلم Graal غابات القرارات العشوائية؛ التعزيز المتدرج؛ أو نماذج التعليم الآلي الأخرى و/أو نمذجة بايزية.
في خطوة cdf يمكن أن يجري النظام dallas بيانات الإنتاج أو dallas بديلة من خلال الحصول
على بيانات الإنتاج التاريخية historical production data بعد ذلك؛ يمكن أن يعالج النظام
بيانات الإنتاج وبنظفها. يمكن استخدام متحنى استجابة لتعبئة بيانات الإنتاج باستخدام طريقة
والمعادلات لتقليل الضوضاء في بيانات الإنتاج؛ والتغلب على مشكلات رفع تقارير الإنتاج؛ 5 وتقدير قيم الإنتاج لكل بثر. طوّر ل.ل. Arps معادلات تحليل الهبوط التي يمكن استخدامها
لتخطيط الزمن أو المعدل مقابل إنتاج البثر. وبعد المتغير المستهدف أو الاستجابة لإنتاجية البئر
من المكونات الرئيسية في سير عمل النمذجة.
Bly على المنطقة؛ يمكن أن تتوفر بيانات الإنتاج للعامة بشكل محدود أو قد لا تكون جديرة بالثقة.
JUS يتوفر الإنتاج من الآبار المستأجرة في تكساس إلا أن الدقة على مستوى البثر محدودة أو
0 غير متوفرة. نتيجة لذلك» يمكن معالجة بيانات الإنتاج وتنظيفها قبل استخدامها في سير عمل النمذجة. يمكن معالجة بيانات الإنتاج باستخدام عددٍ من عمليات تدقيق الجودة لضمان جودة بيانات الإنتاج. بعد ذلك» يمكن تطبيق طرق منحنى الاستجابة والتسوية على البيانات لتقليل الضوضاء وتصحيح بيانات الإنتاج الخاطئة. بالإضافة إلى ذلك؛ يمكن أن تشتمل الآبار على بيانات إنتاج غير ALE للاستخدام وتتم إزالتها. يمكن تحديد متغير مستهدف مثل الإنتاج التراكمي
5 على مدار 90 يومَاء أو الإنتاج aS على مدار 180 class أو الإنتاج التراكمي على مدار 5 يوم؛ أو أقصى إنتاج مبدئي باستخدام البيانات المعبأة أو التي تمت تسوبتها. ومع ذلك؛ قد لا تتوفر بيانات الإنتاج في الوقت الفعلي ويمكن أن يتوفر KPI بديل أو نائب Jie سمة هندسية؛ على سبيل (Jl يمكن استخدام توزيع التدفق العنقودي أو التداخل في all بدلاً من أو مع بيانات الإنتاج لتحقيق التحسين في الوقت الفعلي.
0 في خطوة تالية؛ يمكن أن يجري النظام عملية معالجة لبيانات التسلسل الزمني time-series 8. يمكن أن تكون بيانات التسلسل الزمني time-series data عبارة عن بيانات ضخ على السطح أو أسفل ad) أو بيانات مستشعرات أخرى مثل بيانات الاستشعار الصوتي الرقمي (DAS)
digital (DTS) بيانات استشعار درجة الحرارة الرقمي «digital acoustic sensing digital strain (DSS) أو بيانات استشعار الانفعال الرقمي ctemperature sensing يمكن تجميع بيانات الضخ على السطح أو أسفل البئثر على مدار عددٍ من الدقائق؛ SENSING 25
الساعات؛ أو الأيام (Sag الحصول عليها عند عدة ترددات Jie 1 هرتز أو 1000 هرتز وتتم معالجتها لتحسين AN وقابلية تطبيق البيانات. كمثالٍ؛ يمكن dallas بيانات (DAS بيانات DTS أو بيانات DSS باستخدام تحويل فوربية السريع «(FFT) Fast Fourier Transform تحليل المويجات؛ مرشحات أو تقنيات معالجة أخرى. ترتبط بيانات التسلسل الزمني time— series data 5 عبر مراحل مختلفة jill أو من مجموعة آبار بمجموعة من المهام المختلفة وقد تكون بحجم متغير لكل مهمة Uy على طول المهمة. نتيجة ol) يمكن معالجة بيانات التسلسل الزمني time-series data وتقليلها أو زيادتها حتى كثافة due محددة مسبقًا. بالإضافة إلى ell يمكن معالجة بيانات التسلسل الزمني time-series data للتطرق إلى الاختلافات بين القيم السطحية وأسفل البثر. يمكن أن تتضمن المعالج 3020065801 اللاحقة قياس المتغيرات؛ 0 توحيد قياسهاء وتسويتها في نطاق معين بناءً على طريقة النمذجة المستخدمة. في خطوة dlls يمكن أن يحصل النظام على بيانات غير زمنية non—temporal data ويعالج البيانات غير الزمنية. يمكن ربط البيانات غير الزمنية بالمعلومات التي تظل ثابتة أو منتظمة لبئر معينة مثل موقع «ll على سبيل المثال» خطوط طول وعرض البئرء العمق الرأسي الحقيقي لبئر ctrue vertical depth (TVD) العمق المقاس measured depth (MD) all اتجاه البثرء الجيولوجيا المرتبطة بالبئرء والبيانات غير الزمنية الأخرى. يمكن أن يحصل النظام أيضًا على بيانات ضغط مرتبطة بالمعالج 302006550 المبدئية لبثر Ae) سبيل المثال؛ المرحلة الأولى) ويعالج بيانات الضغط. (Sa تجميع بيانات الإنتاج التاريخية chistorical production data بيانات التسلسل الزمني time-series data التي تتضمن بيانات التسلسل الزمني time-series data لتصميم المهمة 0 وبيانات التسلسل الزمني time-series data للضغط) والبيانات غير الزمنية le في مجموعة بيانات واحدة واستخدامها لإنشاء تحليلات بيانات أو نموذج تعليم آلي machine learning .model يمكن تقسيم مجموعة البيانات إلى ثلاث فئات منفصلة تتضمن مجموعة بيانات التدريبء مجموعة بيانات التحقق من الصحة؛ ومجموعة بيانات الاختبار. يمكن استخدام مجموعة بيانات التدريب لإتشاء نموذج تعليم آألي (Sag «machine learning model استخدام مجموعة بيانات 5 التحقق من الصحة لتقييم أداء النموذج المدرب وتقييم خوارزميات التعليم الآلي؛ ويمكن استخدام
مجموعة بيانات الاختبار للتأكد من قوة نموذج التعليم الآلي والقوة التنبؤية لنموذج التعليم الآلي. يمكن تقسيم البيانات إلى مجموعات فرعية تتضمن مجموعة بيانات التدريب؛ مجموعة بيانات التحقق من الصحة؛ ومجموعة بيانات الاختبار باستخدام اختيار التقسيم العشوائي أو باستخدام خوارزم التجميع بناءً على أحد المتغيرات Jie الموقع. يمكن استخدام مجموعة بيانات التدريب؛ مجموعة بيانات التحقق من الصحة؛ ومجموعة بيانات الاختبار لتطوير نموذج التعليم الآلي للتنبؤ بإنتاج البثر و/أو KPI آخر. يمكن تشفير بيانات التسلسل الزمني time-series data المرتبطة بمتغيرات مختلفة Jie معدل التدفق؛ تركيز sale الحشو الدعمي source 000080811 تركيز المائع؛ تركيز sale الإضافة الكيميائية؛ والضغط باستخدام مشفر LSTM يمكن أيضًا معالجة بيانات التسلسل الزمني time— series data 0 باستخدام حساب متوسط النافذة الزمنية؛ وتحويل النطاق (التردد-الزمن)؛ من بين sal أخرى. (Sa تشفير بيانات التسلسل الزمني time—series data المرتبطة بالمتغيرات المختلفة bie أو يمكن تشفيرها بصورة منفصلة في صورة بيانات التسلسل الزمني time-series 8 التي تمثل متغيرًا Bash يمكن أن تكون بيانات التسلسل الزمني time-series data المشفرة عبارة عن مصفوفة ويمكن الجمع بينها وبين البيانات غير الزمنية كإدخال في نموذج 5 التعليم الآلي. يمكن أن يستخدم نموذج التعليم الآلي مجموعة من الخوارزميات المختلفة والتي تتضمن واحدًا أو أكثر من الانحدار الخطي؛ التحديد الحرء انحدار الحرف؛ غابات القرارات العشوائية؛ التعزيز المتدرج؛ و/أو التعليم العميق. باستخدام نموذج التعليم الآلي؛ يمكن أن ينتج النظام نموذج تحسين تصميم في الوقت الفعلي. يمكن أن يحيّن النظام دالة موضوعية محددة مسبقًا مثل واحد أو أكثر من زيادة إنتاج البئر إلى 0 أقصى حد و/أو تقليل التكلفة. بشكل أكثر تحديدًا؛ يمكن أن تتضمن الدالة الموضوعية المحددة مسبقًا واحدًا أو AST من زيادة BOE التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي إلى أقصى حد لأول تسعة أشهرء وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في Jol اثنا عشر شهرًاء؛ وتقليل نسبة الغاز إلى الزيت minimizing gas— (GOR) oil ratio 25 بعد اثنا pie شهرًاء وتقليل التكلفة المالية لمهمة التصديع؛ وزيادة NPV للبئر لمدة
خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر شهرًا لكل دولار من تكلفة مهمة التصديع؛ وهذا من بين أمورٍ أخرى. عند إنشاء نموذج التحسين؛ يمكن اختيار عددٍ من السمات أو المتغيرات التي لها متغيرات تسلسل زمني لتحقيق التحسين. يمكن تحديد السمات/المتغيرات مسبقًا و/أو يمكن أن يختارها المستخدم بما في ذلك معدل ضخ مائع تصديع؛ نوع المائع؛ حجم المائع في كل مرحلة؛ حجم shall sale الدعمي cproppant source كتلة sale الحشو الدعمي proppant source في كل مرحلة؛ أقصى تركيز sald الحشو الدعمي proppant source في كل مرحلة؛ والمعدل التدريجي أو معدل تدرج مادة الحشو الدعمي source 01000801 من بين أمورٍ أخرى. يمكن توفير قيود محددة مسبقًا و/أو معدة خصيصًا ويحددها المستخدم والتي يستخدمها نموذج 0 تحسين التصميم في الوقت الفعلي. يمكن أن تكون القيود عبارة عن الحدود التي قد يُنوّع النموذج داخلها السمات/المتغيرات لتحسين الدالة الموضوعية المحددة مسبقًا. يمكن أن تتضمن القيود معدل ضخ صدوع يتراوح بين 60 و50 برميل في الدقيقة؛ نوع مائع ماء التزليق؛ نوع مائع الماء المخفض للاحتكاك؛ حجم المائع في كل مرحلة بين 132.146 لتر و220.244 لتر ؛ حجم مادة الحشو الدعمي proppant source إما 40/ 70 أو 0 مشء كتلة sale الحشو الدعمي source 5 01000801 في كل مرحلة ضمن +/- 9010 من الكمية المحددة؛ التكلفة المالية لمهمة التصديع الأقل من 3.25 مليون دولار (على سبيل المثال؛ عند تحسين BOE التراكمي لمدة ستة أشهر)؛ وإجمالي زمن الضخ الأقل من ثلاث ساعات (والذي ينطوي على قيود مفروضة على المعدل والحجم)؛ من بين sal أخرى. كمثالٍ؛ يمكن ضبط القيود بواسطة المستخدم بناءً على تفضيل العميل (على سبيل المثال؛ نوع مائع مفضل أو كتلة مادة حشو دعمي مفضلة) أو بواسطة 0 القيود المفروضة على المتغيرات المتوفرة في الموقع أثناء المهمة (على سبيل المثال؛ توجد مادة حشو دعمي بقيمة 40/ 70 و100 مش فقط في الموقع ولا تتوفر تلك البالغة 30/ 50)؛ أو بواسطة استراتيجية مالية (على سبيل المثال؛ الحفاظ على التكلفة المالية للمهمة تحت قيد أو غطاء محدد). يمكن تطبيق خوارزم تحسين على قائمة السمات ضمن القيود المتوفرة لإنتاج العديد من التكرارات 5 والسيناريوهات لتحسين الدالة الموضوعية المحددة مسبقًا. (JERS يمكن أن يكون خوارزم التحسين
Ble عن خوارزم وراثي» بحث عن أنماط تطور تفاضليء أو خوارزم آخر. بالنسبة لكل سيناريو في مجموعة السيناريوهات الخاصة بمهمة التصديع؛ يمكن تحضير البيانات ومعالجتها. يمكن تشفير بيانات التسلسل الزمني time-series data والجمع بينها مع البيانات غير الزمنية لتحديد Jie KPI التنبؤ بالإنتاج وتحديد التنبؤ بالضغط لكل سيناريو.
بناءً على الدالة الموضوعية le) سبيل المثال؛ زيادة الإنتاج إلى أقصى حد)؛ يمكن التوصية بالسيناريو الأكثر مثالية (على سبيل المثال؛ جدول الضخ) بعد الحصول على القيود من مجموعة السيناريوهات الأعلى لمرحلة تالية والتوصية بالمعالج 5010006550 في الوقت الفعلي لمهمة تصديع هيدروليكي. (JERS يمكن أن يوصي نموذج تحسين التصميم في الوقت الفعلي بإدخال تغير في تركيز مادة الحشو الدعمي proppant source من معالجة أولى إلى معالجة ثانية aly
0 على بيانات الوقت الفعلي المجمعة حول الموقع أثناء المهمة. يمكن أن توفير إدخال المستخدم أثناء تطوير النموذج ويمكن أن يوفر نموذج تحسين التصميم في الوقت الفعلي توصيات آلية دون إدخال/تغذية رجعية من المستخدم بمجرد نشر النموذج على المهمة في الحقل. كمثالٍ؛ بالنسبة لواحدة أو أكثر من الدوال الموضوعية المحددة وضمن القيود؛ قد يوجد نطاق كبير لنتائج الدالة الموضوعية بناءً على التغيرات والتنويعات في السمات/المتغيرات. يمكن فرز تصميمات المهمة
5 بواسطة نموذج تحسين التصميم في الوقت الفعلي والذي قد يتراوح من قيم منخفضة all الموضوعية إلى قيم مرتفعة للدالة الموضوعية. هناك سيناريو واحد يوفر أفضل نتيجة أو أعلى دالة موضوحية أو قد يوجد أكثر من سيناريو واحد يوفر أفضل نتيجة أو أعلى دالة موضوعية. يمكن أن يعرض نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job رسمًا Gly أو تمثيلاً لكل سيناريو قد يعرض السمات/المتغيرات بمرور الوقت. يمكن أن يستعرض المستخدم Jie
0 - مهندس العمليات السيناريوهات ويختار واحدًا من بينها لتعديل مهمة التصديع في مرحلة تالية من المهمة. على نحو بديل؛ يمكن اختيار السيناريو Ul وتنفيذه. على النحو التالي؛ سيوفر الكشف وصفًا أكثر تفصيلاً للأنظمة؛ الطرق» والوسائط القابلة للقراءة بالكمبيوتر والتقنيات الواردة هنا لتحسين تصميم مهمة تصديع. سيبداً الكشقف بوصف أنظمة وبيئات توضيحية؛ مثلما يتضح في الأشكال من 1آ إلى 5. فيما يلي وصف الطرق والتقنيات
5 التوضيحية لتحسين تصميم مهمة التصديع؛ مثلما يتضح في الشكل 6. ينتهي الكشف بوصف بنية
نظام حاسوبي توضيحي؛ مثلما يتضح في الشكل 7 lly يمكن تنفيذها لإجراء العمليات والوظائف الحاسوبية التي تم الكشف عنها هنا. يجب وصف هذه التنويعات هنا عند توضيح العديد من التجسيدات. يمكن أن تؤثر الطرق والتركيبات التوضيحية التي تم الكشف عنها بشكل مباشر أو غير مباشر على واحد أو أكثر من المكونات أو قطع المعدات المرتبطة بتحضير» توصيل؛ sale] 5 التقاط sale] تدوير؛ sale] استخدام» و/أو إزالة التركيبات التي تم الكشف عنها. على سبيل المثال؛
وبالإشارة إلى الشكل 1أ؛ يمكن أن تؤثر الطرق والتركيبات التي تم الكشف عنها بشكل مباشر أو غير مباشر على واحد أو أكثر من مكونات أو قطع المعدات المرتبطة ببيئة تشغيل حفرة بثر توضيحية 10( أو نظام تصديع توضيحيء By لواحد أو أكثر من التجسيدات. في حالات معينة؛ تتضمن بيئة تشغيل حفرة wellbore jal 10 جهاز إنتاج مائع تصديع fracturing fluid
producing apparatus 0 20« مصدر مائع fluid source 30« مصدر مادة حشو دعمي proppant source 40 ونظام بمضخة وخلاط 50 ويقع على السطح في موقع البثر في Oe وجود Ad) 60. في حالات معينة؛ يقوم جهاز إنتاج مائع التصديع fracturing fluid fracturing fluid producing apparatus 20 بمزج مادة منتجة لهلام مع مائع (على سبيل (Jal) سائل أو سائل إلى حدٍ كبير) من مصدر fluid source wile 30؛ لإنتاج مائع تصديع
15 مميّه الذي يتم استخدامه لتصديع التكوين. يمكن أن يكون مائع التصديع fracturing fluid المميّه عبارة عن مائع جاهز في عملية معالجة بتحفيز الصدع في البثر 60 أو ناتج تركيز يتم إليه إضافة مائع إضافي قبل الاستخدام في عملية تحفيز الصدع الخاصة بالبثر 60. في حالات أخرىء يمكن إزالة جهاز إنتاج مائع التصديع fracturing fluid producing fracturing fluid apparatus 20 وبتم الحصول على مائع التصديع fracturing fluid مباشرةً من مصدر المائع
0 30. في حالات معينة؛ يمكن أن يشتمل مائع التصديع fracturing fluid على أي واحد أو أكثر من: ماء؛ مائع هيدروكريوني» هلام بوليمري» رخوة» هواء» غازات رطبة»؛ و/أو موائع أخرى. يمكن أن يتضمن مصدر sale الحشو الدعمي proppant source 40 مادة حشو دعمي للتوليف مع مائع التصديع fracturing fluid كما يمكن أن يتضمن النظام مصدر sale إضافة 70 يوفر واحدة أو أكثر من مواد الإضافة (على سبيل المثال» عوامل تكوين هلام؛ عوامل ثقل؛ عوامل
5 تحويل» و/أو مواد إضافة اختيارية أخرى) لتغيير خواص مائع التصديع fracturing fluid على
سبيل المثال» يمكن تضمين مواد إضافة 70 أخرى لتقليل الاحتكاك الناتج عن الضخء لتقليل أو التخلص من تفاعل المائع تجاه التكوين الجيولوجي حيث يتم تكوين البثرء لتعمل كمواد خافضة للتوتر السطحي» و/أو تقوم بوظائف أخرى. يقوم نظام المضخة والخلاط 50 باستقبال مائع التصديع fracturing fluid ويمزجه مع مكونات Allg «sil 5 تتضمن مادة sda دعمي من مصدر sale الحشو الدعمي proppant source 40 و/أو مائع إضافي من مواد الإضافة 70. يمكن ضخ الخليط الناتج في البثر 60 تحت ضغط كافٍ لإنشاء أو تعزيز واحد أو أكثر من الصدوع في منطقة جوفية محكمة؛ على سبيل المثال؛ لتحفيز إنتاج الموائع من المنطقة. يلاحظء في حالات معينة؛ أنه يمكن تجهيز الجهاز المنتج لمائع التصديع fracturing fluid 20؛ مصدر المائع 30؛ و/أو مصدر مادة الحشو الدعمي proppant source 0 40 بواحدة أو أكثر من Beal القياس (غير الموضحة) للتحكم في تدفق الموائع؛ مواد الحشو الدعمي؛ و/أو تركيبات أخرى إلى نظام الضخ والخلاط 50. يمكن أن تسمح أجهزة القياس المذكورة بأن يصدر نظام الضخ والخلاط 50 من aly أو بعض؛ أو جميع المصادر المختلفة في وقتٍ le ويمكن أن تسهل تحضير موائع التصديع وفقًا للكشف الحالي باستخدام طرق الخلط المستمر أو "السريع”. وهكذا؛ على سبيل المثال؛ يمكن أن يوفر نظام الضخ والخلاط 50 مائع التصديع fracturing fluid فقط في البئثر في وقتٍ cle ومواد الحشو الدعمي في أوقات أخرى؛ وتوليفات من هذه المكونات في أوقات أخرى أيضًا. يوضح الشكل 1ب البثر 60 أثناء عملية تصديع في sha من تكوين جوفي محل اهتمام 102 يحيط بحفرة بثر 104. تمتد حفرة wellbore ll 104 من السطح 106؛ ويتم استخدام مائع التصديع fracturing fluid 108 على جزءٍ من التكوين الجوفي subterranean formation 0 102 الذي يحيط بالجزء الأفقي لحفرة البثر wellbore بالرغم من توضيحها في اتجاه رأسي ينحرف نحو اتجاه أفقي» إلا أنه يمكن أن يكون لحفرة البثر wellbore 104 أنواع من أشكال Sia بثر هندسية واتجاهات ddl رأسية؛ مائلة؛ مجوفة؛ وأخرى؛ (Sag تطبيق المعالج 010085501ة بالتصديع على منطقة جوفية تحيط sha من حفرة البثر wellbore يمكن أن تتضمن حفرة Sal Liss 104 wellbore 110 يتم تثبيته بالأسمنت أو بخلاف ذلك تثبيته بجدار حفرة Sill 5 ©00:6اا8/. يمكن أن تكون حفرة wellbore jl 104 غير مغلفة أو تتضمن أقسام غير مغلفة.
يمكن تكوين ثقوب في التغليف 110 للسماح بتدفق موائع التصديع و/أو مواد أخرى في التكوين الجوفي subterranean formation 102. في الأبار المغلفة؛. يمكن تكوين الثقوب باستخدام شكل؛ مسدس تثقيب؛ النفث المائي و/أو أدوات أخرى. يتم عرض ll أثناء مد سلسلة أنابيب تشغيل work string 112 من السطح 106 إلى داخل wellbore jl sea 5 104. يمكن إقران نظام المضخة والخلاط 50 بسلسلة أنابيب تشغيل work string 112 لضخ مائع التصديع fracturing fluid 108 في حفرة البثر wellbore 4. يمكن أن تتضمن سلسلة أنابيب التشغيل work string 112 أنابيب ملتفة؛ أنبوب متصلء ill Calis 110( و/أو بنيات أخرى mans بتدفق المائع في حفرة wellbore jill 104. يمكن أن تتضمن سلسلة أنابيب التشغيل work string 112 أجهزة تحكم في التدفق؛ صمامات تحويل؛ 0 منافذء و/أو أدوات أخرى أو أجهزة Ji تتحكم في تدفق المائع من الجزء الداخلي لسلسلة أنابيب التشغيل work string 112 في التكوين الجوفي subterranean formation 102. على سبيل المثال» يمكن أن تتضمن سلسلة أنابيب التشغيل work string 112 منافذ موضوعة بجوار جدار حفرة wellbore jill لتوصيل مائع التصديع fracturing fluid 108 مباشرة في التكوين الجوفي subterranean formation 102؛ و/أو يمكن أن تتضمن سلسلة أنابيب التشغيل work string 5 112 منافذ تتم مباعدتها عن جدار حفرة البثر wellbore لتوصيل مائع التصديع fracturing fluid 108 في حيز حلقي في حفرة wellbore yall بين سلسلة أنابيب التشغيل work string 112 وجدار حفرة البثر wellbore يمكن أن تتضمن سلسلة أنابيب التشغيل 50109 work 112 و/أو حفرة البثر wellbore 104 مجموعة واحدة أو أكثر من الحشوات 114 التي تقوم بإحكام إغلاق الحيز الحلقي الموجود بين 0 سلسلة أنابيب التشغيل work string 112 وحفرة wellbore jill 104 لتحديد فاصل حفرة ill wellbore 104 الذي يتم فيه إدخال مائع التصديع fracturing fluid 108. يعرض الشكل 1ب حشوتين 114 تحدد إحداها حد lef البئر للفاصل وتحدد الأخرى الطرف أسفل all للفاصل. عند إدخال مائع التصديع fracturing fluid 108 في sea البثر wellbore 104 (على dass المثال؛ في الشكل cal منطقة حفرة البثر wellbore 104 الموجودة بين الحشوات 114( عند ضغط هيدروليكي كافٍ؛ يمكن تكوين واحد أو SST من الصدوع 116 في المنطقة الجوفية 102.
يمكن أن تدخل دقائق الحشو الدعمي الموجودة في مائع التصديع fracturing fluid 108 في الصدوع 116 حيث يمكن أن تظل بعد تدفق مائع التصديع fracturing fluid خارج حفرة البثر (Sa wellbore أن تعمل دقائق الحشو الدعمي المذكورة على "aed الصدوع 116 بحيث يمكن أن تتدفق الموائع بحرية خلال الصدوع 116. بينما لم يتم توضيحه بشكل خاص هناء فيمكن أن تؤثر الطرق والتركيبات التي تم الكشف عنها
بشكل مباشر أو غير مباشر على أي معدات نقل أو توصيل مستخدمة لنقل التركيبات إلى بيئة تشغيل حفرة wellbore jal 10 مثل؛ على سبيل المثال» أي أوعية «Ja مجاري؛ خطوط (calif شاحنات؛ عناصر أنبوبية؛ و/أو أنابيب مستخدمة لتحربك التركيبات Gaile من أحد المواقع إلى الآخرء أية مضخات؛ ضواغط أو محركات مستخدمة لدفع التركيبات نحو الحركة؛ أي صمامات
0 أو وصلات ذات صلة مستخدمة لتنظيم ضغط أو معدل تدفق التركيبات» (gly مستشعرات (أي؛ الضغط؛ درجة الحرارة؛ المعدل الحجمي؛ الكتلة؛ والكثافة)؛ مقاييس؛ و/أو توليفات منهاء وما شابه. يتم الكشف هنا عن أنظمة وطرق لتحسين تصميم مهمة التصديع. يمكن أن يحصل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job على و/أو يستقبل بيانات الإدخال التي eas بيانات البئر التاريخية؛ البيانات غير الزمنية المرتبطة ببثرء وبيانات التسلسل الزمني
time-series data 5 المرتبطة ببثر. يمكن أن يستخدم نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job بيانات الإدخال لإنتاج نموذج تعليم آألي machine learning model ويستخدم نموذج التعليم الآلي gall بالتغيرات التي يجب إدخالها في مهمة التصديع الهيدروليكي hydraulic fracturing job والتوصية بها عند البثر في الوقت الفعلي. يوضح الشكل 2 نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201
Gy 0 لأحد الأمثلة. يمكن تنفيذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 لتحسين تصميم مهمة التصديع باستخدام نموذج تعليم آلي machine learning model مثلما هو موصوف هنا. في هذا المثال؛ قد يتضمن نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 مكونات حاسوبية 202؛ محرك إدخال بيانات 4. محرك تطوير نماذج 206؛ وجهاز تخزين 208. في بعض التطبيقات؛ يمكن أن يتضمن
5 نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 جهاز عرض 210
لعرض البيانات والعناصر الرسومية مثل الصورء الفيديوهات؛ النص» عمليات المحاكاة؛ وأي وسائط أخرى أو محتوى بيانات أخرى. (Sa وضع نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 بالفعل في بيئة تشغيل حفرة wellbore jill 10. يمكن وضع مكونات نظام تحسين مهمة التصديع
الهيدروليكي hydraulic fracturing job 201 أسفل all و/أو على السطح. بالإضافة إلى ذلك؛ يمكن تنفيذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 بواسطة جهاز حاسوبي مثل المكونات الحاسويية 202 الموجودة أسفل البئر و/أو على السطح. في أحد الأمثلة؛ يمكن تنفيذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 1 بواسطة واحد أو أكثر من seal الخادم الحاسوبية Jie جهاز حاسوبي سحابي في اتصال
0 مع نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201. يمكن أن يشكل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 جزءًا منء أو يتم تنفيذه؛ بواسطة واحد أو أكثر من الأجهزة الحاسوبية؛ مثل واحد أو أكثر من الخوادم؛ واحد أو أكثر من أجهزة الكمبيوتر الشخصية؛ واحد أو أكثر من المعالج 00865501امات؛ واحد أو أكثر من الأجهزة المحمولة (على سبيل المثال» هاتف ذكي؛ كاميراء كمبيوتر محمول؛
5 كمبيوتر لوحي» جهاز ذكي» وهكذا)» و/أو أي Beal إلكترونية أخرى مناسبة. في بعض الحالات؛ يمكن أن يتضمن الواحد أو أكثر من الأجهزة الحاسوبية التي تتضمن أو تنفذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 واحدًا أو أكثر من المكونات الجهازية Jia واحد أو أكثر من الأجهزة المرسلة المستقبلة اللاسلكية؛ واحد أو AST من أجهزة (JAY واحد أو أكثر من أجهزة الإخراج le) سبيل (JE جهاز عرض 210)؛ واحد أو أكثر من
0 المستشعرات (على سبيل (JE مستشعر صورء مستشعر درجة حرارة؛ مستشعر ضغط مستشعر cp li) مستشعر درجة القرب»؛ وحدة قياس بالقصور الذاتي؛ وهكذا)؛ واحد أو أكثر من أجهزة التخزين (على سبيل المثال؛ نظام التخزين 208)؛ واحد أو أكثر من أجهزة المعالج sprocessor (على سبيل المثال؛ المكونات الحاسوبية 202( وهكذا. مثلما تم ذكره من قبل؛ يمكن أن يتضمن نظام تحسين مهمة التصديع الهيدروليكي hydraulic
fracturing job 5 201 مكونات حاسويية 202. يمكن استخدام المكونات الحاسوبية لتنفيدذ محرك
إدخال البيانات 204؛ محرك تطوير النماذج 206؛ و/أو أي مكون حاسوبي آخر. يمكن Lad استخدام المكونات الحاسوبية 202 للتحكم في؛ الاتصال ب/ و/أو التفاعل مع جهاز التخزين 208 و/أو جهاز العرض 210. (Sar أن تتضمن المكونات الحاسوبية 202 دوائر إلكترونية و/أو أجهزة إلكترونية أخرى؛ مثل؛ على سبيل المثال وليس الحصرء واحدة أو أكثر من الدوائر الإلكترونية القابلة للبرمجة. على سبيل المثال؛ يمكن أن تتضمن المكونات الحاسويية 202 واحدًا أو أكثر من المعالج +01006550ات الدقيقة؛ واحدة أو أكثر من clang معالجة الرسومات (GPUS) graphics processing units ؛ واحدًا أو أكثر من معالجات الإشارات الرقمية (DSPs) digital signal processors » واحدة أو أكثر من وحدات المعالج 301006550 المركزية (central processing units (CPUs) واحدًا أو أكثر من معالجات إشارات الصور (ISPs) dmage signal processors 10 و/أو أي دوائر إلكترونية أخرى مناسبة و/أو أجهزة. Ble على cell يمكن أن تتضمن المكونات الحاسوبية 202 و/أو يمكن تنفيذها باستخدام malin كمبيوتر» برنامج ثابت» أو أية توليفة منهاء لإجراء العديد من العمليات الموصوفة هنا. يمكن استخدام محرك إدخال البيانات 204 للحصول على البيانات؛ معالجة البيانات؛ تحليل البيانات؛ وتخزين البيانات في واحدة أو أكثر من قواعد البيانات. يمكن تخزين قواعد البيانات في جهاز التخزين 208 أو في موقع AT كمثالٍ؛ يمكن أن يستقبل محرك إدخال البيانات 204 بيانات حقل الزبت Jie البيانات المرتبطة بواحد أو أكثر من حقول الزيت الموضوعة في نفس المناطق أو مناطق أخرى. يمكن أن تكون البيانات بيانات تاريخية Jie بيانات الإنتاج التاريخية historical production data يمكن تعبئة منحنى استجابة بالبيانات التاريخية لتقليل الضوضاء في بيانات الإنتاج؛ والتغلب على 0 مشكلات رفع تقارير الإنتاج؛ وتقدير قيم الإنتاج لكل بثر. ومع ذلك؛ ففي حالات معينة؛ يمكن أن ign البيانات التاريخية بشكل محدود نظرًا لأنها غير متوفرة بصورة عامة أو قد تكون غير جديرة بالثقة. في هذه الحالات؛ قد تكون هناك حاجة لمعالجة بيانات الإنتاج وتنظيفها بواسطة محرك إدخال البيانات 204 قبل استخدامها. يمكن أن يستخدم محرك إدخال البيانات 204 سلسلة من عمليات تدقيق الجودة ثم يمكن تطبيق منحنى الاستجابة و/أو طرق التسوية على البيانات التاريخية lil 5 الضوضاء وتصحيح الأخطاء في بيانات الإنتاج. يمكن أيضًا استخدام عمليات تدقيق الجودة
لتحديد أن بيانات الإنتاج المرتبطة بواحدة أو أكثر من الآبار غير قابلة للاستخدام ويجب إزالتها
من مجموعة البيانات. يمكن تحديد متغير مستهدف مناسب مثل الإنتاج التراكمي على مدار 90
clas 180 يوم؛ أو 365 يوم؛ أو أقصى إنتاج مبدئي باستخدام البيانات المعبأة التي تمت
تسويتها. يمكن أن يستخدم محرك إدخال البيانات 204 متغير الإنتاج المستهدف والإمداد به إلى محرك تطوير النماذج 206. على نحو بديل» يمكن استخدام KPI مختلفة أو بيانات بديلة محل
بيانات الإنتاج. كمثالٍ؛ يمكن استخدام بيانات توزيع التدفق العنقودية أو بيانات التداخل في Sal
بدلاً من بيانات الإنتاج و/أو في توليفة مع بيانات الإنتاج.
بعد ذلك؛ يمكن أن يحصل محرك إدخال البيانات 204 على بيانات التسلسل الزمني time—
series data التي تتضمن البيانات السطحية وبيانات الضخ أسفل البثر أو بيانات مستشعر
0 أخرى Jie بيانات (DAS بيانات (DTS أو بيانات DSS ويعالجها. يمكن الحصول على البيانات عند واحد أو أكثر من الترددات التي تتضمن 1 هرتز أو 1000 هرتز. يمكن أن يعالج محرك إدخال البيانات 204 بيانات التسلسل الزمني 0818 time-series لتحسين البيانات من خلال تشغيل البيانات عبر تحويل فوربيه السريع Fast Fourier Transform (FFT) ؛ تحليل المويجات؛ مرشحات أو تقنيات معالجة أخرى. يمكن أن يستخدم محرك إدخال البيانات 204
5 بيانات التسلسل الزمني time-series data المعالج sprocessor بدلا من أو بالإضافة إلى البيانات المنتظمة. يمكن أن تكون بيانات التسلسل الزمني time-series data عبارة عن البيانات التي تمتد على مدار فترة زمنية؛ مثل دقائق؛ ساعات؛ أو أيام. نظرًا oY بيانات التسلسل الزمني time-series data عبر المهام المختلفة قد تكون مختلفة الطول؛ فيمكن معالجة بيانات التسلسل الزمني time-series data وزيادتها أو تقليلها بواسطة محرك إدخال البيانات 204
0 حتى كثافة عينة محددة مسبقًا. بالإضافة إلى ذلك؛ يمكن أن يجري محرك إدخال البيانات 204 إزاحة لبيانات التسلسل الزمني time-series data للأخذ في الحسبان الفوارق بين القيم على السطح والقيم أسفل WSL all يمكن أن يجري محرك إدخال البيانات 204 عملية قياس للمتغيرات؛ توحيد قياسهاء و/أو تسويتها في نطاق معين بناءً على طريقة النمذجة المستخدمة. نتيجة لذلك؛ يمكن استخدام البيانات المرتبطة ببيانات التسلسل الزمني time-series data حتى الزمن t
لإنشاء نموذج التعليم AV) وتوفير تنبؤات وتقديرات لمهمة في نقطة زمنية لاحقة Jie 1+ أو 1 حيث تكون 1 أكبر من . يمكن أن يستقبل محرك إدخال البيانات 204 و/أو يحصل على بيانات غير زمنية -000 temporal data مرتبطة بواحدة أو أكثر من الآبار Jie البيانات التي قد تكون ثابتة والتي تتضمن بيانات الموقع المرتبطة بالبئثر بما في ذلك خطوط الطول؛ خطوط العرض؛ العمق الرأسي الحقيقي ctrue vertical depth (TVD) والعمق المقاس «measured depth (MD) من بين معلومات أخرى ثابتة. يمكن أن يجمع محرك إدخال البيانات 204 بيانات الإنتاج التاريخية historical production 8 بيانات التسلسل الزمني dime-series data والبيانات غير الزمنية في مجموعة بيانات 0 واحدة والتي يمكن استخدامها لإنشاء نموذج التعليم الآلي بواسطة محرك تطوير النماذج 206. يمكن تقسيم البيانات الموجودة في مجموعة البيانات إلى فئات مختلفة أو مجموعات فرعية تتضمن بيانات التدريب؛ بيانات التحقق من الصحة؛ وبيانات laa) من بين بيانات أخرى. يمكن استخدام de sane بيانات التدريب الفرعية لإنشاء نموذج التعليم الآلي؛ ويمكن استخدام مجموعة بيانات التحقق من الصحة الفرعية لتقييم أداء نموذج التعليم الآلي المدرب وتقييم خوارزميات التعليم 5 الآلي المختلفة؛ (Sag استخدام مجموعة بيانات الاختبار الفرعية للتأكد من قوة نموذج التعليم الآلي وتنبؤاته. يمكن اختيار مجموعات البيانات الفرعية باستخدام اختيار التقسيم العشوائي و/أو باستخدام خوارزم التجميع. يمكن استخدام نموذج التعليم الآلي لتطوير نموذج تحسين تصميم في الوقت الفعلي والذي يمكن استخدامه للتنبؤ بإنتاج البئر أو KPI آخر باستخدام عملية ثنائية الخطوات. يمكن أن يستخدم المشفر الآلي LSTM بيانات التسلسل الزمني time-series data المرتبطة 0 بعدة مصادر أو متغيرات Jie معدل التدفق؛ تركيز sale الحشو الدعمي «proppant source تركيز المائع؛ والضغط ويمكن أن يشفر البيانات باستخدام مشفر LSTM يمكن تشفير كل مجموعة بيانات بصورة فردية أو يمكن تشفير البيانات ككل. بعد ذلك؛ يمكن استخدام بيانات التسلسل الزمني time-series data المشفرة Je) سبيل المثال» مصفوفة) مع البيانات التاريخية والبيانات غير الزمنية كإدخال في نموذج التعليم الآلي. يمكن إنتاج نموذج التعليم الآلي باستخدام
الانحدار الخطيء التحديد opal انحدار cial غابات القرارات العشوائية؛ التعزيز المتدرج؛ والتعليم العميق؛ من بين خوارزميات أخرى. يمكن استخدام محرك تطوير النماذج 206 بواسطة نموذج تحسين التصميم في الوقت الفعلي لتحسين تصميم مهمة لبثر تصديع هيدروليكي hydraulic fracturing well لتحسين أو إصلاح دالة موضوعية محددة مسبقًا مثل زيادة إنتاج البثر إلى أقصى حد أو تقليل التكلفة إلى أدنى حد. يمكن اختيار قائمة سمات أو متغيرات قد تشتمل على بيانات تسلسل زمني بغرض التحسين. بناءً على القيود المرتبطة بالسمات أو المتغيرات؛ يمكن أن ينتج نموذج حسين التصميم في الوقت الفعلي واحدًا أو أكثر من التكرارات والسيناريوهات لتحسين الدالة الموضوعية المحددة مسبقًا. قد يتضمن كل سيناريو واحدًا أو أكثر من التغيرات التي Jax على السمات أو المتغيرات مثل تغير 0 في كمية مادة الحشو الدعمي proppant source المستخدمة أثناء مرحلة؛ تغير في حجم المائع المستخدم أثناء المرحلة؛ تغير في أقصى معدل أثناء المرحلة؛ و/أو تغير في أقصى تركيز لمادة الحشو الدعمي proppant source أثناء المرحلة. يمكن أن تكون المرحلة هي مرحلة تالية في تصديع البثر. يمكن أن يختار نموذج تحسين التصميم في الوقت الفعلي أفضل تصميم لتحسين أو إصلاح الدالة الموضوعية المحددة مسبقًا والتي تستوفي القيود وتنفذ الواحد أو أكثر من التغيرات 5 في مرحلة تالية. نتيجة لذلك؛ يمكن أن يُدخِل نموذج تحسين التصميم في الوقت الفعلي التغييرات jig التوصيات دون إدخال المستخدم أو التغذية الرجعية منه بمجرد نشره أو تنفيذه للمهمة. يمكن أن يكون جهاز التخزين 208 أي جهاز (أجهزة) تخزين لتخزين البيانات. في بعض الأمثلة؛ يمكن أن يتضمن جهاز التخزين 208 Giga Bide أو ذاكرة وسيطة لتخزين البيانات لمعالجتها بواسطة المكونات الحاسويية 202. علاوةً على ذلك؛ يمكن أن يخزّن جهاز التخزين 208 البيانات 0 من أي من مكونات نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 1. على سبيل المثال؛ يمكن أن Gian جهاز التخزين 208 بيانات الإدخال بواسطة نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201؛ المخرجات أو النتائج المتولدة بواسطة نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 Je) سبيل المثال؛ البيانات و/أو العمليات الحسابية من محرك إدخال البيانات 204؛ محرك
تطوير النماذج 206؛ وهكذا)؛ تفضيلات المستخدم؛ المتغيرات والهيئات؛ سجلات البيانات؛ الوثائق؛ البرامج؛ عناصر الوسائط» (GUI (gine و/أو أي بيانات أخرى وأي محتوى آخر . بينما يعرض الشكل 2 نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 1 وهي يتضمن مكونات معينة؛ فسيدرك أصحاب المهارة العادية في المجال أن نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 قد يتضمن مكونات أكثر أو أقل من تلك المعروضة في الشكل 2. على سبيل (JB) يمكن أن يتضمن نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 أيضًا واحدًا أو أكثر من مكونات الذاكرة (على سبيل (JB) واحد أو AST من أجهزة ذاكرة وصول عشوائي (RAMs) random access memories أجهزة ذاكرة القراءة فقط (Read-only memory (ROM) وحدات الذاكرة الوسيطة؛ المخازن المؤقتة؛ و/أو ما شابه)؛ واحد أو أكثر من مكونات الإدخال؛ واحد أو أكثر من مكونات الإخراج؛ واحد أو أكثر من أجهزة المعالج csprocessor و/أو واحد أو أكثر من المكونات الجهازية التي لم يتم عرضها في الشكل 2. يوضح الشكل 3 مخططًا انسيابيًا لنظام تحسين مهمة التصديع الهيدروليكي hydraulic GE, 201 fracturing job لأحد الأمثلة. يعرض الشكل 3 iu تصديع هيدروليكي hydraulic fracturing well 5 توضيحية لها تصميم المستهلك المبدئي 302 لمهمة في بتر التصديع الهيدروليكي hydraulic fracturing well يمكن توفير تصميم المستهلك Anal عبر ملف إدخال وهو عبارة عن ملف ثنائي مضغوط وبتم الإمداد به إلى نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job تستمر المهمة By لتصميم المستهلك المبدئي أثناء المرحلة الأولى؛ والمعروضة على يزيد عن الساعتين. وفي فترة زمنية بين المرحلة الأولى والثانية؛ 0 يمكن أن يحصل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 على البيانات أثناء المرحلة الأولى ويستخدم هذه البيانات وخطة المهمة في المرحلة التالية لإنتاج واحد أو أكثر من تصميمات المهمة المعدلة 304. يمكن أن يحدد نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 واحدًا أو أكثر من أفضل التصميمات من قائمة تصميمات المهمة المعدلة ويختار أفضل تصميم 306 لاستخدامه في مرحلة cds على سبيل 5 المثال المرحلة الثانية. يمكن أن يشتمل التصميم الأفضل على أفضل تنبؤ أو التنبؤؤ المحسّن
المرتبط بالواحدة أو أكثر من الدوال الموضوعية. يمكن أن تكون الواحدة أو أكثر من الدوال الموضوعية عبارة عن زيادة مكافئ برميل الزيت barrel of oil equivalent ill (BOE) إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي إلى أقصى حد لأول تسعة أشهر؛ وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد ally تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر شهرًاء وتقليل نسبة الغاز إلى الزيت ratio (GOR) 985-01 بعد اثنا عشر شهرًاء وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية yulinet present value (NPV) لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر شهرًا لكل دولار من تكلفة المهمة. يمكن أن يُعزِّل التصميم الأفضل واحدًا أو أكثر من المتغيرات أو البارامترات بما في ذلك - بالنسبة للمهمة في بئر التصديع 0 الهيدروليكي chydraulic fracturing well المتغير الواحد على الأقل المشتمل على معدل ضخ مائع التصديع fluid 780001109؛ نوع المائع» حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي cproppant source كتلة sale الحشو الدعمي proppant source في كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمي proppant source في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي proppant source أو معدل تدرج مادة الحشو الدعمي .proppant source 5 ومع ذلك»؛ يجب أن يتم تعديل الواحد أو أكثر من المتغيرات أو البارامترات Gg لواحد أو أكثر من القيود ie معدل ضخ صدوع يتراوح بين 60 و80 برميل في الدقيقة؛ نوع مائع ماء التزليق؛ نوع مائع الماء المخفض للاحتكاك؛ حجم المائع في كل مرحلة بين 132.146 لتر و220.244 لتر ؛ حجم مادة الحشو الدعمي proppant source إما 40/ 70 أو 100 مش؛ كتلة sale الحشو الدعمي proppant source في كل مرحلة ضمن +/- 9610 من الكمية المحددة؛ التكلفة LIL egal 0 التصديع الأقل من 3.25 مليون دولار (على سبيل المثال؛ عند تحسين BOE التراكمي لمدة ستة أشهر)؛ وإجمالي زمن الضخ الأقل من ثلاث ساعات (والذي ينطوي على قيود مفروضة على المعدل والحجم)؛ من بين sal أخرى. كمثالٍ؛ يمكن ضبط القيود بواسطة المستخدم بناءً على تفضيل العميل (على سبيل المثال؛ نوع مائع مفضل أو كتلة مادة حشو دعمي مفضلة) أو بواسطة القيود المفروضة على المتغيرات المتوفرة في الموقع أثناء المهمة (على سبيل المثال؛ توجد مادة حشو دعمي بقيمة 40/ 70 و100 مش فقط في الموقع ولا تتوفر تلك البالغة 30/ 50)؛ أو
بواسطة استراتيجية مالية (على سبيل المثال؛ الحفاظ على التكلفة المالية للمهمة تحت قيد أو غطاء محدد). وفي مراحل معينة أثناء المهمة (على سبيل المثال؛ بعد أو قبل كل مرحلة)؛ يمكن أن يكتب نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 البيانات في ملف تخزين يتضمن معلومات التصميم؛ بيانات وصفية مرتبطة بالمهمة؛ بيانات الملخص (على سبيل المثال»
بيانات على مستوى المرحلة)؛ بيانات أساسها الزمن» وغيرها من المعلومات الأخرى. يعرض الشكل 3 رسمًا Lily 308 يوضح التنبؤ بنموذج للضغط للمرحلة الثانية؛ الضغط الفعلي للمرحلة dll) معدل ملاط للمرحلة الثانية؛ وتركيز مادة حشو دعمي للمرحلة الثانية. إن لم يتوفر KP في الموقع في الوقت الفعلي BOE (Jie تراكمي لمدة ستة eal يمكن استخدام الضغط في
0 الموقع كمتغير استجابة بديل. يمكن مراقبة الضغط الملحوظ الفعلي في المرحلة الثانية في ضوء الضغط المتوقع للنموذج. ويمكن أن يشير التوافق بين الضغط الملحوظ الفعلي والضغط المتوقع للنموذج إلى أداء النموذج والإمكانية التنبؤية. يمكن أن يحصل نظام تحسين تصميم مهمة التصديع الهيدروليكي hydraulic fracturing job 1 على بيانات أثناء المرحلة الثانية وستخدم البيانات الصادرة من المرحلة الأولى والمرحلة
5 الثانية لإنتاج واحد أو JST من تصميمات المهمة المعدلة. يمكن أن يحدد نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 واحدًا أو أكثر من أفضل التصميمات من قائمة تصميمات المهمة المعدلة ويختار أفضل تصميم 306 لاستخدامه في مرحلة ll على سبيل المثال المرحلة الثالثة. بعبارة أخرى؛ بعد المرحلة الثانية؛ يمكن أن يحدد نظام تحسين مهمة التصديع الهيدروليكي
hydraulic fracturing job 0 مرة أخرى واحدًا أو أكثر من تصميمات المهمة المعدلة 304. يمكن أن يحدد نظام تحسينات مهمة التصديع الهيدروليكي hydraulic fracturing job 201 واحدًا أو أكثر من أفضل التصميمات من قائمة تصميمات المهمة المعدلة ويختار أفضل تصميم لاستخدامه في مرحلة تالية؛ على سبيل المثال المرحلة الثالثة وهكذا. يمكن أن تستمر هذه العملية حتى آخر
مرحلة للبثر وفي كل مرحلة يمكن أن يستخدم نموذج التعليم الآلي البيانات الصادرة من المراحل السابقة. يعرض الشكل 4 مخططًا لبيانات التسلسل الزمني time-series data المستخدمة لإنشاء نموذج التعليم الآلي لنظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 وفقًا ا لأحد الأمثلة. مثلما يتضح في الشكل 4؛ (Sa استخدام بيانات الإنتاج التاريخية historical (production data بيانات التسلسل الزمني time-series data والبيانات غير الزمنية لإنتاج نموذج التعليم (Kar JY) الحصول على بيانات التسلسل الزمني 0818 time-series واستقبالها من زمن أول عندما يساوي الزمن واحد حتى يساوي الزمن 7 وبتم تشفيرها. يمكن أن تصدر بيانات التسلسل الزمني time-series data من عدة مصادر وأنواع مختلفة من البيانات المرتبطة ببئر 0 التصديع الهيدروليكي hydraulic fracturing well بما في ذلك بيانات معدل التدفق؛ بيانات تركيز sale الحشو الدعمي source 050008101 بيانات تركيز المائع؛ بيانات تركيز مادة الإضافة الكيميائية؛ وبيانات الضغط من بين بيانات أخرى. قد تتضمن بيانات التسلسل الزمني time-series data عند الزمن = 1 مصفوفة أو تسلسل بيانات Jia معدل التدفق عند الزمن = 1؛ تركيز مادة حشو دعمي عند =t 1 بيانات تركيز مائع عند cl = t تركيز sale إضافة 5 كيميائية عند t = 1 وضغط عند = 1. يمكن تحويل تسلسل بيانات الإدخال إلى متجه حالة. قد تتضمن بيانات التسلسل الزمني time-series data عند الزمن ) = 2 مصفوفة تمثل معدل التدفق عند الزمن = 2؛ تركيز مادة حشو دعمي عند =t 2 بيانات تركيز مائع عند ) < 2 تركيز sale إضافة كيميائية عند 1 = 2 وضغط عند t = 2؛ وهكذا. (Say تشفير كل نوع بيانات بصورة منفصلة باستخدام مشفر LSTM على نحو بديل؛ يمكن الجمع بين البيانات le وتشفيرها 0 باستخدام مشفر LSTM يتم عرض ذلك عند 402. يمثل التشفير بيانات التسلسل الزمني time— series data يمكن فك تشفير البيانات المشفرة في 404 لاستعادة بيانات التسلسل الزمني time-series data الأصلية. (Sa الجمع بين بيانات التسلسل الزمني time-series data المشفرة مع البيانات غير الزمنية والبيانات التاريخية كإدخال في نموذج التعليم الآلي. يمكن أن يعتمد نموذج التعليم الآلي على واحد
أو أكثر من الخوارزميات والتي تتضمن الانحدار الخطيء التحديد الحرء انحدار الحرف؛ غابات القرارات العشوائية؛ التعزيز المتدرج؛ والتعليم العميق. على نحو بديل؛ يمكن أن يعتمد التعليم الآلي على وحدات متكررة Gated Recurrent duly Yay (GRU) Units من المشفر الآلي LSTM كمثالٍ AT يمكن أن يعتمد التعليم الآلي على شبكات عصبية التفافية (CNN) convolutional neural networks بدلاً من الشبكات العصبية المتكررة (RNN) مثل GRU أو LSTM يعرض الشكل 5 رسومًا بيانية مرتبطة بتصميمات مهمة التصديع الهيدروليكي hydraulic Ua; fracturing job لأحد الأمثلة. كمثالٍ؛ يعرض الرسم البياني 502 تمثيلاً لتصميم مهمة أصلي لبثنر تصديع هيدروليكي hydraulic fracturing well يعرض الرسم البياني 502 ثلاث 0 خطوط أو منحنيات مختلفة تتضمن خطًا أو منحنى واحد 508 يمثل تركيز مادة الحشو الدعمي hea proppant source عنه بأرطال من مادة الحشو الدعمي proppant source لكل جالون على الزمن؛ وخطًا أو منحنى 510 يمثل الضغط معبرًا aie ب 0.01 ميجاباسكال على الزمنء وخطًا أو منحنى 512 يمثل معدل الملاط معبرًا عنه برميل في الدقيقة على الزمن. يحتاج تصميم المهمة الأصلي إلى 205.024 كيلو aha من مادة الحشو الدعمي «proppant source 5 1563.733 لتر_من ail) وأقصى معدل قدره 80 برميل في (dada وأقصى تركيز لمادة الحشو الدعمي proppant source قدره 0.52723 كيلوجرام/لتر . لم يحتوي تصميم المهمة الأصلي للبئر في العادة على تغييرات من مرحلة إلى أخرى. نتيجة لذلك؛ يمكن أن يظل تصميم المهمة الأصلي هو نفسه من مرحلة إلى أخرى بالنسبة ull + يمكن أن يظل تصميم المهمة الأصلي هو نفسه في المرحلة الثانية؛ المرحلة الثالثة؛ وهكذا حتى AT مرحلة للبئر. 0 ومع ذلك؛ تمثل الرسوم البيانية 504 و506 الناتجة بواسطة نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 تصميمات مهمة مختلفة وأكثر مثالية والتي تقدم عددًا من التعديلات للمراحل اللاحقة بعد المرحلة الأولى. يعرض الرسم البياني 504 تمثيلاً لتصميم جديد أول منتقى بواسطة نموذج تحسين التصميم في الوقت الفعلي والذي يستخدم نموذج التعليم الآلي. كما يعرض الرسم البياني 504 خطًا أو منحنى
واحد 514 يمثل تركيز مادة الحشو الدعمي source 01000801 معبرًا عنه بأرطال من مادة الحشو الدعمي source 00000801 لكل جالون على الزمن؛ وخطًا أو منحنى 516 يمثل الضغط معبرًا عنه ب 0.01 ميجاباسكال على الزمن؛ وخطًا أو منحنى 518 يمثل معدل الملاط معبرًا عنه برميل في الدقيقة على الزمن. يحتاج التصميم الجديد الأول إلى 199.581 كيلو جرام من sale 5 الحشو الدعمي «proppant source 1510.875 لتر_من المائع؛ وأقصى معدل قدره 70
برميل في الدقيقة؛ وأقصى تركيز لمادة الحشو الدعمي proppant source قدره 0.2696 كيلو جرام /لتر . على النحو الموضح في الرسم البياني 504؛ هناك زيادة متدرجة في تركيز مادة الحشو الدعمي proppant source ثم ينخفض Gay في المرحلة. ومع ذلك؛ تكون الزيادة المتدرجة في الرسم البياني 504 مختلفة وتحدث في أوقات مختلفة عن التصميم الأصلي
0 المعروض في الرسم البياني 502. يعرض الرسم البياني 506 تمثيلاً لتصميم جديد ثانٍ منتقى بواسطة نموذج تحسين التصميم في الوقت الفعلي والذي يستخدم نموذج التعليم الآلي. كما يعرض الرسم البياني 506 خطًا أو منحنى واحد 520 يمثل تركيز مادة الحشو الدعمي source 01000801 معبرًا عنه بأرطال من مادة الحشو الدعمي source 00000801 لكل جالون على الزمن؛ وخطًا أو منحنى 522 يمثل الضغط
معرًا عنه ب 0.01 ميجاباسكال على الزمن؛ وخطًا أو منحنى 524 يمثل معدل الملاط معبرًا عنه برميل في الدقيقة على الزمن. يحتاج التصميم الجديد الثاني إلى 190.055 كيلو جرام من مادة الحشو الدعمي source 01000801 1757.548 لتر_من المائع؛ وأقصى معدل قدره 70 برميل في الدقيقة؛ وأقصى تركيز sald الحشو الدعمي proppant source قدره 0.23965 كيلو جرام /لتر ٠. على النحو الموضح في الرسم البياني 506؛ هناك ارتفاع تدريجي في تركيز مادة
0 الحشو الدعمي .proppant source يوضح الشكل 6 طريقة توضيحية 600 لتحسين تصميم مهمة التصديع. للتوضيح؛ يتم وصف الطريقة 600 في ضوء نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 1. على النحو الموضح في الشكل 2؛ المهياً لممارسة الطريقة. تكون الخطوات الموضحة هنا توضيحية ويمكن تنفيذها بأي تولية؛ بما في ذلك التوليفات التي تستثني؛ تضيف؛ أو تعدل خطوات
5 معينة.
في الخطوة 602؛ يمكن أن يستقبل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 بيانات الإنتاج التاريخية historical production data المرتبطة iw التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل. يمكن أن تكون البيانات التاريخية بيانات متوفرة das عام و/أو نوع آخر من البيانات. بالإضافة إلى ذلك؛ يمكن أن يستقبل نظام تحسين مهمة التصديع الهيدروليكي lily hydraulic fracturing job غير زمنية -000 temporal data مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل. كمثالٍ؛ يمكن أن تكون البيانات غير الزمنية هي خطوط الطول والعرض» العمق الرأسي الحقيقي true vertical depth (TVD) ؛ العمق المقاس «measured depth (MD) معلومات الخزان؛ ومتغيرات الإكمال؛ من بين بيانات أخرى. 0 في الخطوة 604؛ يمكن أن يستقبل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 بيانات التسلسل الزمني time-series data المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وتتضمن Ji تصديع هيدروليكي hydraulic fracturing well محددة. يمكن أن تعتمد بيانات التسلسل الزمني time-series 38 الصادرة من J التصديع الهيدروليكي hydraulic fracturing well المحددة على تصميم 5 مهمة أصلي تم تنفيذه لمهمة في بئثر التصديع الهيدروليكي hydraulic fracturing well المحددة. يمكن أن تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على JN للبيانات والذي يتضمن معدل التدفق؛ تركيز sale الحشو الدعمي source 01000811 تركيز المائع» تركيز sale الإضافة الكيميائية؛ والضغط» من بين متغيرات أخرى. بالإضافة إلى ذلك؛ يمكن أن تتضمن بيانات التسلسل الزمني time-series data واحدة على الأقل من بيانات 0 الضخ على السطح؛ بيانات الضخ أسفل «all بيانات الاستشعار الصوتي الرقمي (DAS) cdigital acoustic sensing بيانات استشعار درجة الحرارة الرقمي digital (DTS) temperature sensing وبيانات استشعار الانفعال الرقمي digital strain (DSS) sensing من بين بيانات أخرى. في الخطوة 606؛ يمكن أن ينتج نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing 100 25 201 نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج
التاريخية production data 01510108 بيانات التسلسل الزمني time-series data المرتبطة yin التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل؛ بيانات التسلسل الزمني time-series data بناءة على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة؛ والبيانات غير الزمنية. بالإضافة إلى ذلك؛ يمكن أن يستقبل نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 بيانات الضغط المسلسلة زمنيًا المرتبطة بالمرحلة الأولى من المهمة عند بر التصديع الهيدروليكي hydraulic fracturing well المحددة وينتج نموذج التعليم الآلي لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام بيانات الضغط المسلسلة زمنيًا. يتم استخدام نموذج التعليم الآلي للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ Jandy استجابة الضغط المتوقعة في صورة KPI لأداء 0 البتر بالنسبة fal التصديع الهيدروليكي hydraulic fracturing well المحددة. في أحد الأمثلة؛ يمكن إنتاج نموذج التعليم الآلي لبئثر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام مشفر آلي بذاكرة قصيرة المدى طويلة Long Short Term Memory (LSTM) لزمن 1 - 1 إلى © -]. في الخطوة 608؛ يمكن أن يحدد نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 5 201 تصميم مهمة محسّن Jil التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له dla موضوعية باستخدام التنبؤ المعتمد على نموذج التعليم الآلي ونموذج التحسين. يمكن أن تتضمن الدالة الموضوعية واحدًا على الأقل من زيادة مكافئ برميل الزيت barrel of oil equivalent (BOE) التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي إلى أقصى حد لأول تسعة أشهر» وتقليل نسبة الماء إلى الزيت 0 التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر شهرًا؛ وتقليل نسبة الغاز إلى الزيت (GOR) -985 Ol ratio بعد اثنا عشر شهرًاء وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية net (NPV) present value للبئثر لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر Ded لكل دولار من تكلفة المهمة؛ من بين Hal أخرى. بالإضافة إلى ذلك يمكن أن ينتج نظام تحسين 5 مهمة التصديع الهيدروليكي hydraulic fracturing job 201 واجهة مستخدم رسومية تعرض
las بيانيًا أول يمثل تصميم المهمة المحسّن fd التصديع الهيدروليكي hydraulic fracturing well المحددة للمرحلة الثانية من المهمة ورسمًا بيانيًا Gil يمثل تصميم المهمة الأصلي لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة للمرحلة الثانية من المهمة. في الخطوة 610؛ يمكن أن ينفذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing (00 5 201 تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة. يمكن تنفيذ تصميم المهمة المحسّن في أي وقت. في أحد الأمثلة؛ يمكن أن ينفذ نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 201 تصميم المهمة المحسّن لمرحلة ثانية من المهمة بعد المرحلة الأولى من المهمة في بئر التصديع الهيدروليكي hydraulic fracturing well المحددة. بعد المرحلة الثانية من المهمة؛ يمكن تكرار 0 بعض الأجزاء من الطريقة 600 بما يتضمنه ذلك من استخدام نموذج التعليم الآلي id التصديع الهيدروليكي hydraulic fracturing well المحددة بناءً على بيانات الإنتاج التاريخية historical production data بيانات التسلسل الزمني time-series data المرتبطة Su التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل وبناءً على تصميم المهمة الأصلي؛ بيانات التسلسل الزمني time-series data المرتبط بمرحلة أولى من المهمة؛ بيانات التتسلسل الزمني time-series data المرتبطة بالمرحلة الثانية من المهمة؛ والبيانات غير الزمنية لتحديد تصميم مهمة محسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثالثة من المهمة. يمكن أن يستمر تحسين تصميم المهمة لمرحلة رابعة من المهمة وهكذا حتى AT مرحلة من A وبعد الكشف عن الأنظمة والطرق والتقنيات التوضيحية لتنشيط أو تشغيل واحدة أو أكثر من 0 الأدوات أسفل all أو أجهزة الذاكرة بناءً بشكل جزئي على الأقل على واحد أو أكثر من الإشارات السطحية والأنشطة أسفل البئر المستشعرة؛ سينتقل الكشف الآن إلى الشكل 7 والذي يوضح بنية جهاز حاسوبي توضيحية 700 والتي يمكن استخدامها لإجراء عدة خطوات» طرق وتقنيات تم الكشف عنها هنا. ستتضح العديد من التطبيقات لأصحاب المهارة العادية في المجال عند ممارسة التقنية الحالية. كما سيدرك أصحاب المهارة العادية في المجال بسهولة إمكانيات استخدام تطبيقات 5 أو dd أخرى للنظام .
يوضح الشكل 7 بنية جهاز حاسوبي توضيحية 700 لجهاز حاسوبي يمكن أن ينفذ العديد من التقنيات والتكنولوجيات الموصوفة هنا. على سبيل المثال؛ يمكن أن تنفذ بنية الجهاز الحاسوبي 0 النظام 201 المعروض في الشكل 2 وتجري عدة خطوات؛ طرق؛ وتقنيات تم الكشف عنها هنا. يتم عرض مكونات بنية الجهاز الحاسوبي 700 في اتصال كهربيائي مع بعضها البعض باستخدام وصلة 705؛ مثل ناقل. وتتضمن بنية الجهاز الحاسوبي التوضيحية 700 وحدة معالجة
CPU) processing unit أو معالج) 710 ووصلة جهاز حاسويي 705 تقوم بإقران العديد من مكونات الجهاز الحاسوبي بما في ذلك ذاكرة الجهاز الحاسوبي 715» مثل ذاكرة القراءة فقط read only memory (ROM) 720 وذاكرة الوصول العشوائي random access (RAM) ¢725memory بالمعالج processor 710.
10 يمكن أن تتضمن بنية الجهاز الحاسوبي 700 ذاكرة وسيطة لذاكرة عالية السرعة متصلة مباشرةً ب أو تقع على مقربة من؛ أو مدمجة كجزءِ من المعالج processor 710. يمكن أن تنسخ بنية الجهاز الحاسوبي 700 البيانات من الذاكرة 715 و/أو جهاز التخزين 730 في الذاكرة الوسيطة 2 لإتاحة الوصول السريع بواسطة المعالج processor 710. بهذه الطريقة؛ يمكن أن توفر الذاكرة الوسيطة تعزيزًا للأداء والذي يتجنب تأخير المعالج processor 710 أثناء انتظار
5 البيانات. يمكن أن تتحكم هذه الوحدات النمطية وغيرها أو تتم تهيئتها للتحكم في المعالج processor 710 لتنفيذ العديد من الإجراءات. يمكن أن تتوفر ذاكرة جهاز حاسوبي al 715 للاستخدام أيضًا. يمكن أن تتضمن الذاكرة 715 العديد من الأنواع المختلفة للذاكرة بخصائص أداء مختلفة. يمكن أن يتضمن المعالج processor 710 أي معالج متعدد الاستعمالات وخدمة جهازية وبرمجية؛ مثل الخدمة 1 732( الخدمة 2 734( والخدمة 3 736 المخزنة في جهاز
0 تخزين 730 مهياً للتحكم في المعالج processor 710 وكذلك معالج لاستخدام خاص حيث يتم تضمين تعليمات البرنامج في تصميم المعالج .processor يمكن أن يكون المعالج processor 0 نظامًا ذاتي التضمين؛ يحتوي على العديد من الأنوية أو المعالج cclprocessor ناقل؛ جهاز تحكم في الذاكرة؛ ذاكرة وسيطة وهكذا. يمكن أن يكون معالج متعدد الأنوية متماثل أو غير
للمساعدة في تفاعل المستخدم مع بنية الجهاز الحاسوبي TOO يمكن أن يمثل جهاز الإدخال أي عدد من آليات الإدخال؛ مثل الميكروفون لإدخال الكلام؛ شاشة حساسة للمس لإدخال الحركات أو الرسومات؛ لوحة مفاتيح» فأرة؛ إدخال حركة؛ كلام وهكذا. يمكن أن يكون جهاز الإخراج 735 واحدًا أو أكثر من عددٍ من آليات الإخراج المعروفة لأصحاب المهارة في المجال؛ 5 مثل جهاز عرض؛ جهاز إسقاط تليفزيون؛ جهاز سماعة؛ وهكذا. وفي بعض الحالات؛ يمكن أن تساعد الأجهزة الحاسوبية متعددة الأنماط المستخدم على توفير أنواع عديدة للإدخال للإتصال ببنية الجهاز الحاسوبي 700. يمكن أن تتحكم واجهة الاتصالات البينية 740 dag عام وتدير إدخال المستخدم وتحسب خرج الجهاز. ليس هناك قيد على التشغيل على أي ترتيب مكونات صلبة محددة ويالتالي يمكن استخدام السمات الأساسية الواردة هنا بسهولة بدلاً من ترتيبات المكونات 0 الصلبة أو البرامج الثابتة المحسنة عند تطويرها. يكون جهاز التخزين 730 عبارة عن ذاكرة غير متطايرة ويمكن أن يكون عبارة عن قرص صلب أو أنواع أخرى من وسائط قابلة للقراءة بكمبيوتر والتي يمكن أن تخزن بيانات يمكن الوصول إليها بواسطة كمبيوتر؛ Jie كاسيتات مغناطيسية؛ بطاقات ذاكرة وميضية؛ أجهزة ذاكرة في الحالة الصلبة؛ أقراص رقمية متعددة الاستخدامات» (hla أجهزة ذاكرة وصول عشوائي random (RAMs) access memories 5 725 ذاكرة القراءة (ROM) read only memory La 720« وهجائن منها. يمكن أن يتضمن جهاز التخزين 730 خدمات 732( 734( 736 للتحكم في المعالج processor 710. يتم توضيح وحدات مكونات صلبة أو برامج نمطية. يمكن أن يتصل جهاز التخزين 730 بوصلة الجهاز الحاسوبي 705. في أحد الجوانب؛ يمكن أن تتضمن وحدة نمطية لمكون صلب تقوم بتنفيذ وظيفة بعينها مُكوّن البرنامج المخزن في وسط قابل للقراءة 0 بواسطة كمبيوتر lad يتعلق بالمكونات الصلبة الضرورية؛ مثل المعالج processor 710« الوصلة 705( جهاز الإخراج 735( وهكذاء لتنفيذ الوظيفة. لتوضيح الشرح؛ في بعض الحالات يمكن تقديم التقنية الحالية بكونها تتضمن قوالب وظيفية مستقلة تتضمن قوالب وظيفية تشتمل على أجهزة؛ مكونات أجهزة؛ خطوات أو روتينات في طريقة متضمنة في برنامج, أو توليفة من المكونات الصلبة والبرامج.
في بعض التجسيدات»؛ يمكن أن تتضمن Sigal التخزين» الوسائط» وأجهزة الذاكرة ALG للقراءة بكمبيوتر JS أو إشارة لاسلكية تحتوي على تيار بتات وما شابه. ومع ذلك؛ عند ذكرهاء تتضمن وسائط التخزين القابلة للقراءة بكمبيوتر غير المؤقتة بوضوح وسائط Jie طاقة»؛ إشارات حاملة؛ موجات كهرومغناطيسية»؛ والإشارات بحد ذاتها.
يمكن تنفيذ الطرق وفقًا للأمثلة الموصوفة أعلاه باستخدام تعليمات قابلة للتنفيذ بكمبيوتر والتي يتم تخزينها أو بخلاف ذلك تكون متاحة من وسائط قابلة للقراءة بكمبيوتر. يمكن أن تتضمن التعليمات المذكورة؛ على سبيل المثال؛ تعليمات وبيانات تتسبب في أو تكون بخلاف ذلك مهيأة لقيام كمبيوتر متعدد الاستعمالات؛ كمبيوتر مخصص compl) أو جهاز معالجة shal وظيفة معينة أو مجموعة من الوظائف. يمكن الوصول إلى أجزاء من مواد الكمبيوتر المستخدمة عبر الشبكة. يمكن أن
0 تكون التعليمات القابلة للتنفيذ بالكمبيوتر؛ على سبيل المثال؛ تعليمات ثنائية؛ تعليمات بتنسيق وسيط dad Jie تركيب؛ برنامج cul كود مصدر» وهكذا. وتتضمن أمثلة الوسائط القابلة للقراءة بكمبيوتر التي يمكن استخدامها لتخزين تعليمات؛ معلومات مستخدمة؛ و/أو معلومات تم إنشاؤها أثناء تنفيذ الطرق tig للأمثلة الموصوفة أقراص مغناطيسية أو ضوئية؛ ذاكرة وميضية؛ أجهزة 8 يتم تزويدها بذاكرة غير متطايرة؛ أجهزة تخزين متصلة بشبكة؛ وهكذا .
5 يمكن أن تتضمن الأجهزة التي تنفذ الطرق Gg لمحتويات الكشف المذكورة مكونات كمبيوتر صلبة؛ برنامج ثابت و/أو برنامج» ويمكن أن تتخذ أي من عوامل الشكل المتعددة. تتضمن الأمثلة النمطية على عوامل الشكل المذكورة أجهزة كمبيوتر محمولة؛ هواتف ذكية؛ أجهزة كمبيوتر شخصية Jalal شكل» أجهزة المساعدة الرقمية الشخصية»؛ أجهزة مركبة على رف» وأجهزة مستقلة؛ وهكذا. يمكن أيضًا تجسيد الوظائف الموصوفة هنا في الأجهزة الملحقة أو بطاقات إضافية داخلية. يمكن
0 تنفيذ الوظيفة المذكورة على لوحات دائرة من بين رقاقات مختلفة أو عمليات مختلفة يتم تنفيذها في جهاز واحدء؛ على سبيل المثال. تمثل التعليمات؛ ووسائط نقل هذه التعليمات؛ موارد الحوسبة الخاصة cling claim أخرى لتدعيم موارد الحوسبة المذكورة وسائل توضيحية لتوفير الوظائف الموصوفة في الكشف.
في الوصف السابق؛ يتم وصف جوانب الطلب بالإشارة إلى تجسيدات محددة له؛ إلا أن أصحاب المهارة في المجال سيدركون أن الطلب لا يقتصر عليها. وهكذاء؛ بينما تم وصف تجسيدات توضيحية للطلب بمزيدٍ من التفصيل هناء فيجب إدراك أنه يمكن تجسيد واستخدام المفاهيم التي تم الكشف عنها بشكل متنوع؛ وأنه يجب تفسير عناصر الحماية الملحقة بكونها تتضمن تلك
التنويعات؛ باستثناء ما يتحدد بالفن السابق. يمكن استخدام العديد من سمات وجوانب الموضوع الموصوف أعلاه بشكل فردي أو متصل. Ble على ذلك؛ يمكن استخدام التجسيدات في أي عدد من البيئات والتطبيقات بخلاف تلك الموصوفة هنا دون الابتعاد عن المجال والفحوى العام للمواصفة. يتم؛ بناة على ذلك؛ اعتبار المواصفة والرسومات توضيحية بدلاً من كونها مقيدة. لأغراض التوضيح؛ تم وصف الطرق بترتيب محدد. يجب إدراك أنه في التجسيدات البديلة. يمكن
0 إجراء الطرق بترتيب مختلف عن ذلك الترتيب الموصوف. عند وصف المكونات بكونها 'مهيأة ل" sha عمليات معينة؛ فيمكن تحقيق هذه الهيئة. على سبيل (Jal من خلال تصميم دوائر إلكترونية أو أجهزة أخرى لإجراء العملية؛ بواسطة برمجة دوائر إلكترونية قابلة للبرمجة (على سبيل المثال» المعالج 0100855806ات الدقيقة؛ أو دوائر إلكترونية أخرى مناسبة) لإجراء العملية؛ أو أية توليفة منها.
(Ka 5 تنفيذ العديد من الإطارات المنطقية؛ الوحدات النمطية؛ الدوائر» وخطوات الخوارزم التوضيحية الموصوفة في الأمثلة التي تم الكشف عنها هنا في صورة مكون كمبيوتر إلكتروني؛ برنامج كمبيوترء برنامج ثابت؛ أو توليفات منها. لتوضيح قابلية تبادل مكونات الكمبيوتر والبرامج؛ تم وصف العديد من المكونات؛ الإطارات؛ الوحدات النمطية؛ الدوائر والخطوات التوضيحية dag عام من حيث وظيفتها. ويعتمد ما إذا تم تنفيذ تلك الوظيفة في صورة مكون كمبيوتر أو برنامج على
0 قيود الاستخدام والتصميم المحددة والمفروضة على النظام بأكمله. يمكن أن ينفذ أصحاب المهارة العادية الوظيفة الموصوفة بعدة طرق لكل طلب محدد؛ إلا أنه لا يجب تفسير قرارات التطبيق بكونها تتسبب في الابتعاد عن مجال الطلب الحالي. كما يمكن تنفيذ التقنيات الموصوفة هنا في مكون كمبيوتر إلكتروني؛ malin كمبيوتر؛ برنامج ثابت؛ أو أية توليفة منها. يمكن تنفيذ تلك التقنيات في أي جهاز من مجموعة الأجهزة مثل أجهزة
5 كمبيوتر متعددة الاستعمالات؛ سماعات هاتف جهاز اتصال لاسلكي؛ أو أجهزة دائرة مدمجة لها
عدة استخدامات تتضمن الاستخدام في سماعات جهاز اتصال لاسلكي وأجهزة أخرى. يمكن تنفيذ أي سمات موصوفة كوحدات نمطية أو مكونات معًا في جهاز منطق متكامل أو في صورة منفصلة كأجهزة منطقية مميزة ولكنها تعمل بصورة متوافقة. في حالة تنفيذها في صورة برنامج؛ يمكن تحقيق التقنيات جزكيًا على الأقل بواسطة وسط تخزين بيانات قابلة للقراءة بالكمبيوتر يشتمل على كود برنامج يتضمن تعليمات والتي؛ عند تنفيذها» تجري واحدة أو أكثر من الطريقة؛ الخوارزميات؛ و/أو العمليات الموصوفة أعلاه. يمكن أن يشكل وسط تخزين البيانات القابل للقراءة بالكمبيوتر جزءًا من منتج برنامج كمبيوتر؛ والذي قد يتضمن مواد تعبئة. يمكن أن يتضمن الوسط القابل للقراءة بالكمبيوتر ذاكرة أو وسائط تخزين بيانات»؛ Jie ذاكرة الوصول العشوائي Jie random access memory (RAM) ذاكرة وصول عشوائي ديناميكية 0 متزامنة (SDRAM) synchronous dynamic random access memory ذاكرة القراءة فقط read only memory (ROM) ذاكرة وصول عشوائي غير متطايرة non-volatile «(NVRAM) random access memory ذاكرة القراءة فقط قابلة للبرمجة والمسح كهرياثيًا «(EEPROM) electrically erasable programmable read-only memory ذاكرة وميضية؛ وسائط تخزين بيانات مغناطيسية أو ضوئية؛ وما شابه. يمكن تحقيق التقنيات» على نحوٍ 5 إضافي أو بديل» Wi على الأقل بواسطة وسط اتصال قابل للقراءة بالكمبيوتر والذي يحمل أو يصل كود البرنامج في صورة تعليمات أو هياكل بيانات والتي يمكن الوصول إليهاء قراءتهاء و/أو تنفيذها بواسطة كمبيوتر» مثل إشارات أو موجات منتشرة. يمكن تنفيذ تجسيدات الكشف الأخرى في بيئات حاسوبية شبكية بالعديد من أنواع هيئات نظام La igual في ذلك seal الكمبيوتر الشخصية؛ أجهزة محمولة culls أنظمة متعددة المعالج ccuiprocessor 0 إلكترونيات استهلاكية قابلة للبرمجة أو تعتمد على المعالج ciprocessor الدقيقة؛ أجهزة كمبيوتر شبكية؛ Beal كمبيوتر دقيقة؛ أجهزة كمبيوتر الرئيسية؛ وما شابه. يمكن أيضًا تنفيذ التجسيدات في بيئات حاسوبية موزعة يتم فيها إجراء المهام بواسطة gal المعالج sprocessor المحلية والمتصلة عن بُعد Allg يتم ربطها (إما بواسطة وصلات dll وصلات لاسلكية؛ أو بواسطة توليفة منها) عبر شبكة اتصالات. في البيئة الحاسوبية الموزعة؛ يمكن وضع 5 وحدات البرامج النمطية في كلٍ من أجهزة تخزين الذاكرة المحلية والمتصلة عن بُعد.
سيتم إدراك أنه لغرض التسهيل والإيضاح؛ إن أمكن؛ سيتم تكرار الأرقام المرجعية بين الأشكال
المختلفة لتشير إلى عناصر مناظرة أو مماثلة. بالإضافة إلى ذلك؛ تم عرض العديد من التفاصيل
المحددة لتوفير فهم كامل للتجسيدات الموصوفة هنا. ومع ذلك؛ سيدرك أصحاب المهارة العادية في
المجال أنه يمكن تنفيذ التجسيدات الموصوفة هنا دون هذه التفاصيل المحددة. في حالات أخرى؛ 5 .لم يتم وصف الطرق والإجراءات والمكونات بالتفصيل بهدف توضيح السمة ذات الصلة المرتبطة
التي تم وصفها. كذلك؛ لا يجب اعتبار الوصف مقيدًا لمجال التجسيدات الموصوفة هنا. ليس
بالضرورة تطبيق مقياس الرسم على الواقع؛ إذ أنه تم توضيح نسب shal معينة على نحو مبالغ
فيه وذلك بغرض توضيح تفاصيل وسمات الكشف الحالي.
في الوصف الوارد أعلاه؛ يجب أن تعني مصطلحات Jie "أسفل البثر"؛ "أعلى البثر"؛ وما شابه؛
0 كما هو مستخدم هناء بالنسبة للقاع والمدى الأبعد wellbore jill seal المحيطة على الرغم من أن sa البثر wellbore أو أجزاء منها قد تكون منحرفة أو أفقية. بالإضافة إلى ذلك؛ يتم توضيح التجسيدات التوضيحية بحيث يتحدد الاتجاه ليكون الجانب الأيمن أسفل ill مقارنة بالجانب الأيسر. يتم تعريف المصطلح 'مقترن" بكونه مرتبطًاء سواء بشكل مباشر أو غير مباشر عبر مكونات
متداخلة؛ ولا داع من أن يقتصر على الوصلات المادية. يمكن أن تتم الوصلة بحيث يتم توصيل الأجسام بشكل دائم أو توصيلها بشكل قابل للتحرر. يتم تعريف المصطلح "إلى حدٍ كبير" بكونه يتوافق بشكل أساسي مع البُعد والشكل المحدد أو كلمة أخرى تعذّله إلى حدٍ pS بحيث لا داع من أن يكون المكون دقيقًا. على سبيل المثال؛ يعني أسطواني إلى حدٍ كبير أن الجسم يشبه الأسطوانة؛ ولكن يشتمل على واحد أو أكثر من الاتحرافات عن الأسطوانة الحقيقية.
0 على الرغم من استخدام مجموعة من المعلومات لشرح الجوانب ضمن مجال عناصر الحماية الملحقة؛ فلا يجب فرض أي قيد على عناصر الحماية بناءء على السمات أو الترتيبات المحددة حيث سيكون أصحاب المهارة العادية قادرين على اشتقاق مجموعة كبيرة من التطبيقات. علاوة على ذلك وعلى الرغم من إمكانية وصف الموضوع بلغة خاصة بالسمات البنائية و/أو خطوات الطريقة» يجب إدراك أن الموضوع المحدد في عناصر الحماية الملحقة لا يقتصر بالضرورة على
dls 5 السمات أو الإجراءات الموصوفة. يمكن توزيع تلك الوظيفة بشكل مختلف أو إجراؤها في
— 6 4 — مكونات بخلاف تلك المحددة هنا. تم الكشف عن السمات والخطوات كمكونات ممكنة للأنظمة والطرق ضمن مجال عناصر الحماية الملحقة. علاوةً على ذلك؛ تدل لغة عناصر الحماية ll يتم فيها ذكر عبارة 'واحد على الأقل من" مجموعة أن عضو واحد من المجموعة أو أعضاء متعددة من المجموعة تحقق عنصر الحماية . على سبيل المثال؛ تعنى لغة عناصر الحماية التى تنص على 'واحد على الأقل من أ وب" أ؛ ب» أو أ و ب. تتضمن بيانات الكشف ما يلى: البيان 1: طريقة تشتمل على استقبال» بواسطة معالج واحد على الأقل؛ بيانات إنتاج تاريخية historical production data مرتبطة ببئثر تصديع هيد hydraulic fracturing well dan je ببدر تصديع HR
واحدة على الأقل؛ استقبال؛ بواسطة المعالج processor الواحد على الأقل؛ بيانات التسلسل
0 الزمني time-series data المعتمدة على تصميم المهمة الأصلى الخاص بمهمة عند Ji تصديع هيدروليكي hydraulic fracturing well محددة؛ حيث تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا الأقل للببانات الخاصة in التصديع ١
PRET ب ببئر التصديع الهيدروليكي
hydraulic fracturing well المحددة؛ استقبال؛ بواسطة المعالج processor الواحد على الأقل؛ بيانات غير زمنية data 700-16070018 مرتبطة yi التصديع الهيدروليكي
hydraulic fracturing well 5 الواحدة على «JN إنتاج؛ بواسطة المعالج processor الواحد على الأقل؛ نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية Cus chistorical production data تعتمد بيانات التسلسل الزمنى time-series data على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند بثر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ والبيانات غير الزمنية؛ تحديد؛ بواسطة المعالج
processor 0 الواحد على «BY تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبو يعتمد على نموذج التعليم الآلي؛ وتنفيذ؛ بواسطة المعالج processor الواحد على الأقل؛ تصميم المهمة المحسّن Did التصديع الهيدروليكي hydraulic fracturing well المحددة.
البيان 2: طريقة وفقًا للبيان 1؛ حيث تشتمل الدالة الموضوعية على واحد على الأقل من زبادة مكافئ برميل الزيت (BOE) التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمى إلى أقصى حد لأول تسعة أشهرء وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر «Jed وتقليل نسبة الغاز إلى الزيت (GOR) بعد اثنا عشر Hed
وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية (NPV) للبئر لمدة خمس سنوات؛ وزيادة BOE التراكمى بعد UW عشر Ped لكل دولار من تكلفة المهمة. البيان 3: طريقة وفقًا لأي من البيانين 1 25 حيث Jad تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في بئر التصديع الهيدروليكي chydraulic fracturing well المتغير الواحد
0 على الأقل المشتمل على معدل ضخ مائع التصديع (fracturing fluid نوع alll حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي proppant source كتلة مادة الحشو الدعمي proppant source فى كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمى proppant source فى كل مرحلة؛ والمعدل التدريجى لمادة الحشو الدعمى proppant source أو معدل تدرج مادة الحشو الدعمى .proppant source
5 البيان 4: طريقة وفقًا لأي من البيانات من 1 إلى 3؛ حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل للمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 5: طريقة وفقًا لأي من البيانات من 1 إلى 4؛ حيث يتم استخدام نموذج التعليم الآلي oll باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء الرئيسي (KPI) لأداء ll بالنسبة لبئثر التصديع الهيدروليكي
hydraulic fracturing well 0 المحددة. البيان 6: طريقة وفقًا لأي من البيانات من 1 إلى 5؛ حيث تشتمل كذلك على إنتاج نموذج التعليم الآلى لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام مشفر آلي بذاكرة قصيرة المدى طويلة (LSTM) لزمن + - 1 إلى =n
البيان 7: طريقة وفقًا لأي من البيانات من 1 إلى 6؛ حيث تشتمل بيانات التسلسل الزمني time— series data على واحدة على الأقل من بيانات الضخ على السطحء بيانات الضخ أسفل i) بيانات الاستشعار الصوتي الرقمي (DAS) بيانات استشعار درجة الحرارة الرقمي (DTS) وبيانات استشعار الانفعال الرقمي (DSS)
البيان 8: طريقة وفقًا لأي من البيانات من 1 إلى 7؛ حيث تشتمل كذلك على تنفيذ تصميم المهمة المحسّن لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثانية من المهمة بعد المرحلة الأولى من المهمة في i التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 9: طريقة وفقًا لأي من البيانات من 1 إلى 8؛ حيث يشتمل نوع البيانات الواحد على الأقل
0 على واحد على الأقل من معدل التدفق؛ تركيز sale الحشو الدعمي source 010008101 تركيز المائع؛ تركيز sale الإضافة الكيميائية؛ والضغط. البيان 10: نظام يشتمل على معالج واحد على الأقل مقترن بوسط تخزين واحد على الأقل قابل للقراءة بالكمبيوتر مخزن عليه تعليمات والتي عند تنفيذها بواسطة المعالج processor الواحد على الأقل تتسبب في قيام النظام باستقبال بيانات إنتاج تاريخية historical production data 5 مرتبطة ببئثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل الزمني time-series data المعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cua تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات الخاصة ببئر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ استقبال بيانات غير زمنية non—temporal data مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على «JN إنتاج نموذج تعليم آلي id machine learning model التصديع الهيدروليكي hydraulic fracturing well المحددة بناءً على بيانات الإنتاج التاريخية «historical production data حيث تعتمد بيانات التسلسل الزمني time-series data على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند ji التصديع الهيدروليكي hydraulic fracturing well 5 المحددة؛ والبيانات غير الزمنية؛ تحديد تصميم المهمة المحسّن A التصديع الهيدروليكي
— 9 4 — hydraulic fracturing well المحددة والذي له dlls موضوعية باستخدام 5 يعتمد على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن لبر التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 11: نظام Gg للبيان 10( حيث تشتمل الدالة الموضوعية على واحد على الأقل من )530 مكافئ برميل (BOE) cull التراكمي إلى أقصى حد لأول ستة أشهر من EY) وزيادة إنتاج الزيت التراكمى إلى أقصى حد لأول تسعة أشهرء وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر Bed وتقليل نسبة الغاز إلى الزيت (GOR) بعد اثنا عشر Hed وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية ll (NPV) لمدة خمس سنوات؛ وزيادة 0 +80 التراكمى بعد اثنا عشر شهرًا لكل دولار من تكلفة المهمة. البيان 12: نظام وفقًا لأي من البيانين 10 و11؛ حيث Jind تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في بئر التصديع الهيدروليكي chydraulic fracturing well المتغير الواحد على الأقل المشتمل على معدل ضخ مائع التصديع (fracturing fluid نوع المائع؛ حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي AS 0100808101 source مادة الحشو الدعمي source 5 01000801 فى كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمى proppant source فى كل مرحلة؛ والمعدل التدريجى لمادة الحشو الدعمى proppant source أو معدل تدرج مادة الحشو الدعمى .proppant source البيان 13: نظام وفقًا لأي من البيانات من 10 إلى 12؛ حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل للمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well 0 المحددة. البيان 14: نظام وفقًا لأي من البيانات من 10 إلى 13؛ حيث يتم استخدام نموذج التعليم الآلي للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء الرئيسي (KPI) لأداء ll بالنسبة لبئثر التصديع الهيدروليكي hydraulic fracturing well المحددة.
البيان 15: نظام Gy لأي من البيانات من 10 إلى 14؛ حيث يقوم المعالج processor الواحد على الأقل بتنفيذ تعليمات لإنتاج نموذج التعليم الآلي لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام مشفر آلي بذاكرة قصيرة المدى طويلة (LSTM) لزمن ] - 1 إلى 0 - ]. _البيان 16: نظام Wy لأي من البيانات من 10 إلى 15؛ حيث تشتمل بيانات التسلسل الزمني
time-series data على واحدة على الأقل من بيانات الضخ على السطح؛ بيانات الضخ أسفل البثرء بيانات الاستشعار الصوتي الرقمي (0/88))؛ بيانات استشعار درجة الحرارة الرقمي (DTS) وبيانات استشعار الانفعال الرقمي (DSS) البيان 17: نظام Gy لأي من البيانات من 10 إلى 16؛ حيث ينفذ المعالج processor الواحد
0 على الأقل تعليمات لتنفيذ تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثانية من المهمة بعد المرحلة الأولى من المهمة في Si التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 18: نظام وفقًا لأي من البيانات من 10 إلى 17؛ حيث يشتمل نوع البيانات الواحد على الأقل على واحد على الأقل من معدل التدفق؛ تركيز مادة الحشو الدعمي source 01008801
5 تركيز المائع؛ تركيز sale الإضافة الكيميائية؛ والضغط. البيان 19: وسط تخزين غير مؤقت قابل للقراءة بالكمبيوتر يشتمل على تعليمات مخزنة على وسط التخزين غير المؤقت القابل للقراءة بالكمبيوتر» حيث تتسبب التعليمات؛ عند تنفيذها بواسطة واحد أو أكثر من المعالج cculprocessor في قيام الواحد أو أكثر من المعالج shal ciprocessor عمليات تتضمن: استقبال بيانات إنتاج تاريخية historical production data مرتبطة iw
0 تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال بيانات التسلسل الزمني time-series data المعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند Sy تصديع هيدروليكي hydraulic fracturing well محددة؛ حيث تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات الخاصة ببئر التصديع الهيدروليكي hydraulic fracturing well المحددة؛ استقبال بيانات غير زمنية non—temporal data
— 1 5 — مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على «JN إنتاج نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية historical (production data حيث تعتمد بيانات التسلسل الزمني time-series data على تصميم المهمة الأصلي أثناء مرحلة أولى من المهمة التي تتم عند بثر التصديع الهيدروليكي hydraulic fracturing well 5 المحددة؛ والبيانات غير الزمنية؛ تحديد تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبو يعتمد على نموذج التعليم الآلي؛ وتنفيذ تصميم المهمة المحسّن لبر التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 120 وسط تخزين غير مؤقت قابل للقراءة بالكمبيوتر By للبيان 19 حيث تشتمل العمليات 0 كذلك على din تصميم المهمة المحسّن لبثر التصديع الهيدروتيكي hydraulic fracturing well المحددة لمرحلة ثانية من المهمة بعد المرحلة الأولى من المهمة في بئر التصديع الهيدروليكي hydraulic fracturing well المحددة. البيان 21: نظام يشتمل على وسيلة لإجراء طريقة مهياً وفقًا لأي من البيانات من 1 إلى 9 إشارة مرجعية للرسومات: شكل 2 j نظام تحسين مهمة التصديع الهيدروليكي hydraulic fracturing job 206 محرك تطوير نماذج ب مكونات حاسوبية Jo) سبيل المثال؛ (5)لا00)؛ «GPU(s) (050)5؛ وهكذا) 0 208 جهاز تخزين 0 جهاز عرض
شكل 3 f الزمن (بالساعة) A ج المرحلة 1 د تصميم انتقالي
2 المرحلة 2 و نموذج TD زْ التصميم المعدل 1 ح - التصميم المعدل 2
L 10 إنتاج بثر ضغط 6 أفضل تصميم 8 بديل في الموقع: (استجابة الضغط) 2 تصميم المستهلك 4 التصميم المعدل X
5 يي تنموذج تصميم انتقالي (TD) ك القيمة العيارية ل | الزمن (بالثانية) Gasp a تنب
س > معدل ملاط 2 تركيز مادة الحشو الدعمي proppant source شكل 4 2 تشفير waned 404 5
j بدء ب - تشفير z حالة د معدل تدفق؛ Bale حشو (ae مائع. .
10 شكل 5 ا تصميمات جديدة توضيحية يختارها النموذج @ القيمة ج - التصميم الأصلي
5 د الزمن شكل 6 602 استقبال بيانات إنتاج تاريخية historical production data مرتبطة yin تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل وييانات غير زمنية non—
— 4 5 — temporal data مرتبطة yin التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل 54 استقبال بيانات التسلسل الزمني time-series data المرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحد على الأقل؛ حيث تمثل بيانات التسلسل الزمنى time— series data 5 نوعًا واحدًا على الأقل للبيانات 606 إنتاج نموذج تعليم آلة ly على بيانات الإنتاج التاريخية historical production cll, (data التسلسل الزمنى time-series data والبيانات غير الزمنية 608 تحديد تصميم المهمة المحسّن لبئثر تصديع هيدروتيكي hydraulic fracturing well محددة والذي له دالة موضوعية باستخدام تنبؤ يعتمد على نموذج تعليم الآلة 0 610 تنفيذ تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة شكل 7 0 معالج 712 ذاكرة وسيطة 0 واجهة اتصال بينية 5 جهاز إخراج 5 جهاز إدخال 5 ذاكرة
ROM 720 20
RAM 725 ss. جهاز تخزين 0 1 الخدمة 2 2 الخدمة 4 3 الخدمة 6 وصلة. 705 5
Claims (1)
- عناصر الحماية1. طريقة تشتمل على: استقبال receiving بواسطة معالج processor واحد على «JN بيانات إنتاج تاريخية historical production data مرتبطة ببثر تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال receiving بواسطة المعالج processor الواحد على «JN بيانات التسلسل الزمني time-series data المرتبطة fy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cus تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات؛ 0 استقبال receiving بواسطة المعالج processor الواحد على الأقل؛ بيانات غير زمنية -000 temporal data مرتبطة ببئر التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل؛ ترميز بيانات التسلسل الزمني time-series data إلى بيانات تسلسل زمني مشفرة encoded 38 11116-56165؟ 5 إنتاج؛ بواسطة المعالج processor الواحد على «JN نموذج تعليم آلي machine learning model بناءً على بيانات الإنتاج التاريخية chistorical production data حيث ترتبط بيانات التسلسل الزمني المشفرة cencoded time-series data والبيانات غير الزمنية non— Cua temporal data يتم تكوين نموذج التعليم الألي ull machine learning model بمؤشر الأداء الرئيسي Key Performance Indicator (KPI) لأداء البئر بالنسبة لبئر 0 التصديع الهيدروليكي hydraulic fracturing well المحدد؛ تمرير تصميمات الوظائف المرشحة إلى نموذج التعليم الآلي machine learning model لتوليد المخرجات؛ حيث يقوم كل تصميم من تصميمات الوظائف المرشحة بتعديل معلمة واحدة على الأقل للوظيفة؛ تحديد؛ بواسطة المعالج processor الواحد على الأقل ونموذج تحسين تم تكوبنه لتلقي المخرجات 5 الناتجة عن نموذج التعليم الآلي machine learning model كمدخلات»؛ تصميم المهمةالمحسّن ad التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي «machine learning model حيث يتم تحسين تصميم المهمة الأمثل بناءً على مؤشرات الأداء الرئيسية؛ وحيث يكون تصميم المهمة aad id) تصميمات الوظائف المرشحة؛ و تنفيذ؛ بواسطة المعالج processor الواحد على الأقل؛ تصميم المهمة المحسّن id التصديع الهيدروليكي hydraulic fracturing well المحددة.2. الطريقة Gg لعنصر الحماية 1؛ حيث تشتمل الدالة الموضوعية على واحد على الأقل من زيادة مكافئ برميل الزيت barrel of oil equivalent (BOE) التراكمي إلى أقصى حد لأول 0 ستة أشهر من الإنتاج» وزيادة إنتاج الزبت التراكمي إلى أقصى حد لأول تسعة «eal وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد والتي تم حساب متوسطها في فترة من الشهر الثالث إلى call وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر Bed وتقليل نسبة الغاز إلى Call gas—oil ratio (GOR) بعد اثنا عشر شهرًاء؛ وتقليل التكلفة المالية للمهمة؛ وزيادة صافي القيمة الحالية ill net present value (NPV) لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا 5 عشر شهرًا لكل دولار من تكلفة المهمة.3. الطريقة Udy لعنصر الحماية 1؛ حيث Jia تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في بر التصديع الهيدروليكي chydraulic fracturing well المتغير الواحد على الأقل المشتمل على معدل ضخ مائع التصديع fluid pump rate ؛ نوع المائع؛ حجم المائع في كل 0 مرحلة؛ حجم مادة الحشو الدعمي 71 كتلة sale الحشو الدعمي proppant mass per stage في كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمي في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي أو معدل تدرج sale الحشو الدعمي proppant ramp rate . 4 الطريقة وفقًا لعنصر الحماية 3؛ حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل 5 لللمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well المحددة.5. الطريقة وفقًا لعنصر الحماية 1؛ حيث يتم استخدام نموذج التعليم الآلي machine learning model للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء Key Performance (KPI) will hydraulic fracturing well التصديع الهيدروليكي Ad dually لأداء البثر Indicator 5 المحددة. 6» الطريقة lady لعنصر الحماية 1؛ حيث تشتمل كذلك على إنتاج نموذج التعليم الآلي hydraulic fracturing well لبثر التصديع الهيدروليكي machine learning model المحددة باستخدام نموذج تشفير بذاكرة قصيرة المدى طويلة Long Short Term Memory (LSTM) 0 لزمن 1 <- ؟ إلى 0 - ].7. الطريقة وفقًا لعنصر الحماية 1؛ حيث تشتمل بيانات التسلسل الزمني time-series data على واحدة على BY) من بيانات الضخ على السطح؛ بيانات الضخ أسفل «downhole jill بيانات الاستشعار الصوتي الرقمي digital acoustic sensing (DAS) بيانات استشعار درجة الحرارة الرقمي digital temperature sensing (DTS) وبيانات استشعار الانفعال الرقمي digital strain sensing (DSS)8. الطريقة Bg لعنصر الحماية 1؛ حيث تشتمل كذلك على تنفيذ تصميم المهمة المحسّن a التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثانية من المهمة بعد المرحلة 0 الأولى من المهمة في بئر التصديع الهيدروليكي hydraulic fracturing well المحددة.9. الطريقة وفقًا لعنصر الحماية 1 حيث يشتمل نوع البيانات الواحد على الأقل على واحد على الأقل من معدل التدفق flow rate ؛ تركيز sale الحشو الدعمي cproppant تركيز المائع fluid « chemical additive concentration الإضافة الكيميائية sale تركيز « concentration pressure والضغط 50. نظام يشتمل على: معالج processor واحد على الأقل مقترن بوسط تخزين واحد على الأقل قابل للقراءة بالكمبيوتر computer-readable storage medium مخزن عليه تعليمات والتي عند تنفيذها بواسطة المعالج processor الواحد على الأقل تتسبب في قيام النظام بالآتي: استقبال receiving بيانات إنتاج تاريخية historical production data مرتبطة yin تصديعهيدروليكي hydraulic fracturing well واحدة على الأقل؛ استقبال receiving بيانات التسلسل الزمني time-series data المرتبطة iy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cus0 تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات؛ استقبال receiving بيانات غير زمنية Non-temporal data مرتبطة fi تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ ترميز بيانات التسلسل الزمني time-series data إلى بيانات تسلسل زمني مشفرة encoded 38 11116-56165؟5 إنتاج نموذج تعليم آألي machine learning model بناءً على بيانات الإنتاج التاريخية chistorical production data بيانات التسلسل الزمني المشفرة encoded time-series 38 والبيانات غير الزمنية cnON—temporal data حيث يتم تكوين نموذج التعليم الآلي machine learning model للتنبؤ بمؤشر الأداء الرئيسي Key Performance (KPI) Indicator لأداء البثر بالنسبة لبثر التصديع الهيدروليكي hydraulic fracturing well المحدد؛0 تمرير تصميمات الوظائف المرشحة إلى نموذج التعليم الآلي machine learning model لتوليد المخرجات؛ حيث يقوم كل تصميم من تصميمات الوظائف المرشحة بتعديل معلمة واحدة على الأقل للوظيفة؛ تحديد تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة من خلال نموذج التحسين الذي تم تكوينه لتلقي المخرجات الناتجة عن نموذج التعليم الآليmachine learning model 5 كمدخل؛ حيث يتم تحسين تصميم المهمة الأمثل بناءً على KPI وحيث يكون تصميم المهمة الأمثل واحدًا من تصميمات الوظائف المرشحة؛ وتسهيل تنفيذ تصميم المهمة المحسّن Ad التصديع الهيدروليكي hydraulic fracturing well المحددة.1. النظام Gig لعنصر الحماية 10؛ حيث تشتمل الدالة الموضوعية على واحد على الأقل من زيادة مكافئ برميل barrel of oil equivalent (BOE) cull التراكمي إلى أقصى حد لأول ستة أشهر من الإنتاج؛ وزيادة إنتاج الزيت التراكمي cumulative oil production إلى أقصى حد لأول تسعة أشهرء وتقليل نسبة الماء إلى الزيت التراكمية إلى أقصى حد lly تم حساب متوسطها في فترة من الشهر الثالث إلى التاسع؛ وتقليل معدل هبوط إنتاج الغاز في أول اثنا عشر شهرًاء وتقليل نسبة الغاز إلى الزيت ratio (GOR) 985-01 بعد اثنا عشر شهرًاء وتقليل التكلفة 0 المالية للمهمة؛ وزيادة صافي القيمة الحالية ull net present value (NPV) لمدة خمس سنوات؛ وزيادة BOE التراكمي بعد اثنا عشر شهرًا لكل دولار من تكلفة المهمة.2. النظام وفقًا لعنصر الحماية 10؛ حيث يُعزِّل تصميم المهمة المحسّن متغيرًا واحدًا على الأقل للمهمة في بر التصديع الهيدروليكي chydraulic fracturing well المتغير الواحد على الأقل 5 المشتمل على معدل ضخ مائع التصديع؛ نوع المائع؛ حجم المائع في كل مرحلة؛ حجم مادة الحشو الدعمي 71 كتلة sale الحشو الدعمي proppant mass per stage في كل مرحلة؛ أقصى تركيز لمادة الحشو الدعمي proppant في كل مرحلة؛ والمعدل التدريجي لمادة الحشو الدعمي أو معدل تدرج sale الحشو الدعمي proppant ramp rate . 0 13. النظام Gg لعنصر الحماية 12؛ حيث يقيد تصميم المهمة المحسّن المتغير الواحد على الأقل للمهمة في بثر التصديع الهيدروليكي hydraulic fracturing well المحددة.4. النظام وفقًا لعنصر الحماية 10؛ حيث يتم استخدام نموذج التعليم الآلي machine learning model للتنبؤ باستجابة الضغط المتوقعة المناظرة لتطبيق تصميم المهمة المحسّن؛ 5 وتعمل استجابة الضغط المتوقعة في صورة مؤشر الأداء Key Performance (KPI) will— 1 6 — Indicator لأداء ll بالنسبة لبثر التصديع الهيدروتيكي hydraulic fracturing well المحددة.5. النظام Gy لعنصر الحماية 10؛ Cus يقوم المعالج processor الواحد على الأقل بتنفيذ تعليمات لإنتاج نموذج التعليم الآلي machine learning model لبئر التصديع الهيدروليكي hydraulic fracturing well المحددة باستخدام نموذج التشفير آلي بذاكرة قصيرة المدى طويلة Long Short Term Memory (LSTM) 1 - ] إلى t=n6. النظام Gg لعنصر الحماية 10 حيث تشتمل بيانات التسلسل الزمنىي time-series data 0 على واحدة على الأقل من بيانات الضخ على السطح؛ بيانات الضخ أسفل «downhole jill بيانات الاستشعار الصوتي الرقمي digital acoustic sensing (DAS) بيانات استشعار درجة الحرارة الرقمي digital temperature sensing (DTS) وبيانات استشعار الانفعال الرقمي digital strain sensing (DSS) 15 17. النظام وفقًا لعنصر الحماية 10( حيث ينفذ المعالج processor الواحد على الأقل clades لتنفيذ تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة لمرحلة ثانية من المهمة بعد المرحلة الأولى من المهمة في بتر التصديع الهيدروليكي hydraulic fracturing well المحددة. 20 18. النظام Ld, لعنصر الحماية 10؛ حيث يشتمل نوع البيانات الواحد على الأقل على واحد على الأقل من معدل التدفق؛ تركيز sale الحشو الدعمي 000008101 تركيز المائع fluid concentration « تركيز sale الإضافة الكيميائية chemical additive concentration « والضغط pressure9. وسط غير موقت قابل للقراءة بالكمبيوتر non-transitory computer-readable 0 يتضمن تعليمات مخزنة عليه؛ Ally عند تنفيذها بواسطة معالج Processor واحد على (JH) تتسبب في قيام المعالج processor الواحد على الأقل بعمليات تشتمل على: استقبال receiving بيانات إنتاج تاريخية historical production data مرتبطة yin تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛استقبال receiving بيانات التسلسل الزمني time-series data المرتبطة iy التصديع الهيدروليكي hydraulic fracturing well الواحدة على الأقل والمعتمدة على تصميم المهمة الأصلي الخاص بمهمة عند بثر تصديع هيدروليكي hydraulic fracturing well محددة؛ Cus تمثل بيانات التسلسل الزمني time-series data نوعًا واحدًا على الأقل للبيانات؛0 استقبال receiving بيانات غير زمنية data 000-16070038 مرتبطة fi تصديع هيدروليكي hydraulic fracturing well واحدة على الأقل؛ ترميز بيانات التسلسل الزمني time-series data إلى بيانات تسلسل زمني مشفرة encoded 38 11116-56165؟ إنتاج نموذج تعليم آألي machine learning model بناءً على بيانات الإنتاج التاريخيةchistorical production data 5 بيانات التسلسل الزمني المشفرة encoded time-series 38 والبيانات غير الزمنية cnON—temporal data حيث يتم تكوين نموذج التعليم SY! machine learning model للتنبؤ بمؤشر الأداء الرئيسي Key Performance (KPI) Indicator لأداء البثر بالنسبة لبثر التصديع الهيدروليكي hydraulic fracturing well المحدد؛ تمرير تصميمات الوظائف المرشحة إلى نموذج التعليم الآلي machine learning model20 تلتوليد المخرجات؛ حيث يقوم كل تصميم من تصميمات الوظائف المرشحة بتعديل معلمة واحدة على الأقل للوظيفة؛ تحديد تصميم المهمة المحسّن لبثر التصديع الهيدروليكي hydraulic fracturing well المحددة والذي له دالة موضوعية باستخدام تنبؤ يعتمد على نموذج التعليم الآلي machine learning Model من خلال نموذج التحسين الذي تم تكوينه لاستقبال receiving المخرجات الناتجة عن5 نموذج التعليم الآلي machine learning model كمدخل؛ Cus يتم تحسين تصميم المهمةالأمثل بناءً على KPI وحيث يكون تصميم المهمة الأمثل واحدًا من تصميمات الوظائف المرشحة؛ و تسهيل تنفيذ تصميم المهمة المحسّن Ad التصديع الهيدروليكي hydraulic fracturing well المحددة.0. وسط التخزين غير المؤقت القابل للقراءة بالكمبيوتر non—transitory computer— Gg readable medium لعنصر الحماية 19؛ حيث تشتمل العمليات كذلك على تنفيذ تصميم المهمة المحسّن i التصديع الهيدروليكي hydraulic fracturing well المحددة dla jal ثانية من المهمة بعد المرحلة الأولى من المهمة في بثر التصديع الهيدروليكي hydraulic fracturing well 10 المحددة.—_ 6 4 —_ 0 a Jt : 1 ا j « 3 i ل , Fi 5, Ny م hp 2 $1 + + م SN A / : {= : J "nd Ras 4 : لات 1 3 0 ؤ 0 * { Iسب د 0 امه i د“ _ i i em ل“ اي | fo Ng 01 م BERTIE they Gy 0: Hpi i 2 7 للة ED 1 - 0 2 / NN i” § A Sori اا 5 0 سما اق ا : ب ل :ٍ { PE كا 1 مر ُُ + خم A RED IN i ذل إْ : يذ إٍْ ل Loe ا ْ —- { 4 “0 \ » kb تت | 0 + 0 " i \ ! >< | i " i 1 i إْ : 3 { 4| | |< !' : Cd إْ ox \ y | A i i 1 لم J} YI م الي سسا لجح ااا nd | i / ب SAE | يب / / —pe SS : : i = - 7 EE ¥ & ا : { t J 5 EZ] ا 3 م 1 J —- a 0” Fa 7 1 ِْ_— 6 6 _— Tate ل نظام تحسين مهمة التصديع. الهيدزوليكي ا اك ع الل مكوانات do) Anais سبيل المقال: DSP(s} GPUs) (CPUS) 288{ LNCo 8 ا > المتYas 1 عرض إجهار مخزi I| 1J == نا لاا ا اااناLA TAY, ekو ربج 2 ١ x + + : 1 : ُ — 1 لاني 2 ee Pe i= ~ IIIT w Re ا 85 “A Te ا } AT ا TT _ ال ااا ا م Jr ~ / ل فى {a Yad 2 ~~, abd > ديب في الموقع: }6{ A أقص ل Ss 6 | همد إن Volo SJ i © لفل ee هلأ 3 لاستجابة Vo {Rona ee 72 po ضغط Vio Pd ا i = Pg en oe i od 3 { ا جلا ةيم i م 7 6ل : ~ yo 0 1 ا a Poi wid Pad eee HES : Eg ed aud i بجي Vigor fv : hr ا ا ال . olde : i bg 3“ ل انض رح ل كم pia الستتيلكت ب ما" : asl I انتقالى o { i + 0 م ما + ١ رسن ese اخ Dov ب Ae = ol | إٍْ م ب 2 مه من لم عن . اام ان ا ل gin لل 1 = ال EF ا ل سيا ad 0١10 3 ننه نا 2 i i التصميم المعدل X 0 i ! : : - : Fain .. PA الريك iN ...~~ ON Ewe شكل +— 8 6 — t=n أحذدا ا 3 2 يح ا 1 oo "١ | - | - 1 5 ض ض دوك 2وكا 3 2ه لا I 0 ا :0 ا t=1 2 3 4 t=n-1 {=n ‘gs“ - نت (r+ 1 vr a Tr {| : * : : 31 : : 3 i : i a t ’ r ia Sen re we ل AT i Li يج م en ion nn Fie iF 4 : 1 أحة متمد مع مح ممم ج ةي شولك يي ا لا مي قيطي ْ ا ا Rd { ; | 7 = : + ال : 3 epee reese didi ged sii siege td ; i = of { ¥h حي : I i Ti 53 id HN i , t ef gem free de Rf fn Poi i 2] t 1 i | § i { + + : ب fi } § i i iN : + : ف desde dso fe تت شتت لت أت أي هات اجا CU Lr 8 4 Pow a 7 § | ل od 1 i in ا ل ل Lassi] تنيت اتنا اشاح woot سو يهن :7 te * . لا بن Dd id a ded al Cs a ان LT pry th - : § § 4 > ب : : oy * i i : 1 : 2 تيم vo سال لم مالالا العام مامالا ايت ااا لأا اام م i 1 : : اال ل a يللم ل ححا اا ver لا عيب ee a gr اح احا + 2 ا إْ { i 1 | i i + ce] |] 1 - + Fel 7 2 1 1 1 i NES Jes > HH HH [| : ’ | | | ها 0 HB |] HH I > الا . لجنيا بيب جر « ماب ميا بعد ليت حب conde يس gv asf a= > T x = ht ow el 1 0 ]- : جع ب د ات : : عي oo gd - * LL 31 | 2 3 x ب 3 ا ل حمر “Te Toe A A > 8 : = hE { 5 AN Pan a 1 & .5بج . ks 2 + ‘ ا ا I 21 RY Li سل i ho oy = 3jo. =o | = : 2 i ! * > ب beter {1 11 vy i i i t 3 ايلا اي ب ’ 7 ع + > I : 1 ٍ 1 ٍ , 1 0 1 اه 1 3 1 : سي تست - لوجتت ل اما تيبي قتا ——— 07 لحا A 7 i = 1 : Po . ٍ حص i = i far? ; i i a م الاق اس يوري سي esses الجاع : i | : i 1 { i 1 1 1 : i id { Fe 1 ] — الت اا الا 1 ٍ 1 i 0 ; + ; د A | { : > 1 ; 1 ا : ا 8 : Poo ا« ب و i ag i خم حير i Ne : i * امن i s = © سم ia i HE : : kid : 3 2 i ; ا : da تل TTT إٍْ i { : PL » : i i 1 ; Ike > pts ER 8 i Cor PPT ¥ ; ا الا i i i 1 Peg reef ed Re Lhe w ; i {iy ; ka i i i } id ب & i i Pook : { i | So RES Ra 0 0 . i 1 i 1] 1 . ل : . 1 ; . . Qa i ¥ : i . حق ws ! م £3 w“ he ا و o * > a44 اذ > لكات New > WS gy الال tate الما Son سا ا Sry الل مهقجي: Ta add تقار J 3 = ند 7ن ابه يبب اتا ل = بكية مر لفطك يتنم Eh am تنيع i oad Tal Tw : STs STH LL A sl edd, Ra الات EA vast A ستقبال بياكات التسلسل الب Le المرشيحنة Su أل Pat 1 نيد ولتي عا ا ا ل EAE EES ey 3Gem حالصل oe tel si 3 حضوا ee Saat meinإنتاج المودج تعليم ال pia على yt edie ج الارمشية ا با +Seg 5 sii = EX 3a ل حت ًّّ لبثر a ديع فيدر لكي TY > ِفد تسم المححة المخفخ فة ate الس للك شد تمي pid? tri مهدر التتصديع ال لنت wi § 5Yon 3 Co Le eR, تحزين Yeh oF re ey . WD aE 8 دي ry VE 8 VER الخدمة + ; ; : ا يي , سٍِ م ص حبار حك سر و ا خا Bb ROM RAM + Load NTS إينا ل - ia 1 > Thal جهال 7 : وب 0 t rie 07 0 ص 9 7 * Way WA vonالحاضهة الهيلة السعودية الملضية الفكرية Swed Authority for intallentual Property pW RE .¥ + \ ا 0 § ام 5 + < Ne ge ”بن اج > عي كي الج دا لي ايام TEE ببح ةا Nase eg + Ed - 2 - 3 .++ .* وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها of سقوطها لمخالفتها ع لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف ع النباتية والنماذج الصناعية أو لائحته التنفيذية. »> صادرة عن + ب ب ٠. ب الهيئة السعودية للملكية الفكرية > > > ”+ ص ب 101١ .| لريا 1*١ uo ؛ المملكة | لعربية | لسعودية SAIP@SAIP.GOV.SA
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/581,813 US11401801B2 (en) | 2019-09-25 | 2019-09-25 | Systems and methods for real-time hydraulic fracture control |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| SA119410316B1 true SA119410316B1 (ar) | 2023-01-29 |
Family
ID=74881830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| SA119410316A SA119410316B1 (ar) | 2019-09-25 | 2019-12-23 | أنظمة وطرق للتحكم في التصديع الهيدروليكي في الوقت الفعلي |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11401801B2 (ar) |
| CA (1) | CA3081744C (ar) |
| SA (1) | SA119410316B1 (ar) |
Families Citing this family (50)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11530606B2 (en) | 2016-04-07 | 2022-12-20 | Bp Exploration Operating Company Limited | Detecting downhole sand ingress locations |
| US11624326B2 (en) | 2017-05-21 | 2023-04-11 | Bj Energy Solutions, Llc | Methods and systems for supplying fuel to gas turbine engines |
| GB201820331D0 (en) | 2018-12-13 | 2019-01-30 | Bp Exploration Operating Co Ltd | Distributed acoustic sensing autocalibration |
| US11560845B2 (en) | 2019-05-15 | 2023-01-24 | Bj Energy Solutions, Llc | Mobile gas turbine inlet air conditioning system and associated methods |
| CA3092859A1 (en) | 2019-09-13 | 2021-03-13 | Bj Energy Solutions, Llc | Fuel, communications, and power connection systems and related methods |
| CA3092865C (en) | 2019-09-13 | 2023-07-04 | Bj Energy Solutions, Llc | Power sources and transmission networks for auxiliary equipment onboard hydraulic fracturing units and associated methods |
| US10815764B1 (en) | 2019-09-13 | 2020-10-27 | Bj Energy Solutions, Llc | Methods and systems for operating a fleet of pumps |
| US10895202B1 (en) | 2019-09-13 | 2021-01-19 | Bj Energy Solutions, Llc | Direct drive unit removal system and associated methods |
| US11015594B2 (en) | 2019-09-13 | 2021-05-25 | Bj Energy Solutions, Llc | Systems and method for use of single mass flywheel alongside torsional vibration damper assembly for single acting reciprocating pump |
| US12065968B2 (en) | 2019-09-13 | 2024-08-20 | BJ Energy Solutions, Inc. | Systems and methods for hydraulic fracturing |
| CA3092829C (en) | 2019-09-13 | 2023-08-15 | Bj Energy Solutions, Llc | Methods and systems for supplying fuel to gas turbine engines |
| US11002189B2 (en) | 2019-09-13 | 2021-05-11 | Bj Energy Solutions, Llc | Mobile gas turbine inlet air conditioning system and associated methods |
| US11555756B2 (en) | 2019-09-13 | 2023-01-17 | Bj Energy Solutions, Llc | Fuel, communications, and power connection systems and related methods |
| US10961914B1 (en) | 2019-09-13 | 2021-03-30 | BJ Energy Solutions, LLC Houston | Turbine engine exhaust duct system and methods for noise dampening and attenuation |
| EP4045766A1 (en) | 2019-10-17 | 2022-08-24 | Lytt Limited | Fluid inflow characterization using hybrid das/dts measurements |
| US11708829B2 (en) | 2020-05-12 | 2023-07-25 | Bj Energy Solutions, Llc | Cover for fluid systems and related methods |
| US10968837B1 (en) | 2020-05-14 | 2021-04-06 | Bj Energy Solutions, Llc | Systems and methods utilizing turbine compressor discharge for hydrostatic manifold purge |
| US11428165B2 (en) | 2020-05-15 | 2022-08-30 | Bj Energy Solutions, Llc | Onboard heater of auxiliary systems using exhaust gases and associated methods |
| US11208880B2 (en) | 2020-05-28 | 2021-12-28 | Bj Energy Solutions, Llc | Bi-fuel reciprocating engine to power direct drive turbine fracturing pumps onboard auxiliary systems and related methods |
| US11208953B1 (en) | 2020-06-05 | 2021-12-28 | Bj Energy Solutions, Llc | Systems and methods to enhance intake air flow to a gas turbine engine of a hydraulic fracturing unit |
| US11109508B1 (en) | 2020-06-05 | 2021-08-31 | Bj Energy Solutions, Llc | Enclosure assembly for enhanced cooling of direct drive unit and related methods |
| US11111768B1 (en) | 2020-06-09 | 2021-09-07 | Bj Energy Solutions, Llc | Drive equipment and methods for mobile fracturing transportation platforms |
| US11066915B1 (en) | 2020-06-09 | 2021-07-20 | Bj Energy Solutions, Llc | Methods for detection and mitigation of well screen out |
| US10954770B1 (en) | 2020-06-09 | 2021-03-23 | Bj Energy Solutions, Llc | Systems and methods for exchanging fracturing components of a hydraulic fracturing unit |
| CA3180595A1 (en) * | 2020-06-11 | 2021-12-16 | Lytt Limited | Systems and methods for subterranean fluid flow characterization |
| CA3182376A1 (en) | 2020-06-18 | 2021-12-23 | Cagri CERRAHOGLU | Event model training using in situ data |
| US11125066B1 (en) | 2020-06-22 | 2021-09-21 | Bj Energy Solutions, Llc | Systems and methods to operate a dual-shaft gas turbine engine for hydraulic fracturing |
| US11939853B2 (en) | 2020-06-22 | 2024-03-26 | Bj Energy Solutions, Llc | Systems and methods providing a configurable staged rate increase function to operate hydraulic fracturing units |
| US11933153B2 (en) | 2020-06-22 | 2024-03-19 | Bj Energy Solutions, Llc | Systems and methods to operate hydraulic fracturing units using automatic flow rate and/or pressure control |
| US11028677B1 (en) | 2020-06-22 | 2021-06-08 | Bj Energy Solutions, Llc | Stage profiles for operations of hydraulic systems and associated methods |
| US11473413B2 (en) | 2020-06-23 | 2022-10-18 | Bj Energy Solutions, Llc | Systems and methods to autonomously operate hydraulic fracturing units |
| US11466680B2 (en) | 2020-06-23 | 2022-10-11 | Bj Energy Solutions, Llc | Systems and methods of utilization of a hydraulic fracturing unit profile to operate hydraulic fracturing units |
| US11149533B1 (en) | 2020-06-24 | 2021-10-19 | Bj Energy Solutions, Llc | Systems to monitor, detect, and/or intervene relative to cavitation and pulsation events during a hydraulic fracturing operation |
| US11220895B1 (en) | 2020-06-24 | 2022-01-11 | Bj Energy Solutions, Llc | Automated diagnostics of electronic instrumentation in a system for fracturing a well and associated methods |
| US11193361B1 (en) | 2020-07-17 | 2021-12-07 | Bj Energy Solutions, Llc | Methods, systems, and devices to enhance fracturing fluid delivery to subsurface formations during high-pressure fracturing operations |
| CN112983380A (zh) * | 2021-04-16 | 2021-06-18 | 中国矿业大学 | 一种数字化水力压裂监控设备 |
| US11639654B2 (en) | 2021-05-24 | 2023-05-02 | Bj Energy Solutions, Llc | Hydraulic fracturing pumps to enhance flow of fracturing fluid into wellheads and related methods |
| US20230012733A1 (en) * | 2021-07-07 | 2023-01-19 | Saudi Arabian Oil Company | Machine learning workflow for predicting hydraulic fracture initiation |
| EP4377552A1 (en) * | 2021-07-28 | 2024-06-05 | Services Pétroliers Schlumberger | Integrating domain knowledge with machine learning to optimize electrical submersible pump performance |
| WO2023059701A1 (en) * | 2021-10-05 | 2023-04-13 | Schlumberger Technology Corporation | Systems and methods for predicting hydraulic fracturing design parmaters based on injection test data and machine learning |
| CN114352947B (zh) * | 2021-12-08 | 2024-03-12 | 天翼物联科技有限公司 | 一种燃气管道泄漏检测方法、系统、装置及存储介质 |
| CA3239961A1 (en) * | 2022-01-24 | 2023-07-27 | Sarah W. Coffman | Optimizing well sequences in a well development zone |
| CN114781424B (zh) * | 2022-02-11 | 2023-04-18 | 中国石油大学(北京) | 一种基于小波分解的水力压裂信号分析方法、装置和设备 |
| US20230350096A1 (en) * | 2022-04-29 | 2023-11-02 | Abu Dhabi National Oil Company | System and method for effective hydrocarbon reservoir pressure prediction and control |
| US20230417118A1 (en) * | 2022-06-22 | 2023-12-28 | Schlumberger Technology Corporation | Hydraulic fracturing valve system |
| WO2024011088A1 (en) * | 2022-07-04 | 2024-01-11 | Schlumberger Technology Corporation | Field pump equipment system |
| US20240183258A1 (en) * | 2022-09-23 | 2024-06-06 | David Cook | Apparatus and method for fracking optimization |
| CN115796070B (zh) * | 2022-11-04 | 2023-12-01 | 北京科技大学 | 一种致密油气藏储层流态变化特征识别方法及装置 |
| US20240193326A1 (en) * | 2022-12-08 | 2024-06-13 | Schlumberger Technology Corporation | Data driven pre-job planning for wireline operations |
| WO2024155898A1 (en) * | 2023-01-19 | 2024-07-25 | Schlumberger Technology Corporation | Methods for hydraulic fracturing |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10430725B2 (en) * | 2016-06-15 | 2019-10-01 | Akw Analytics Inc. | Petroleum analytics learning machine system with machine learning analytics applications for upstream and midstream oil and gas industry |
| WO2018117890A1 (en) | 2016-12-21 | 2018-06-28 | Schlumberger Technology Corporation | A method and a cognitive system for predicting a hydraulic fracture performance |
-
2019
- 2019-09-25 US US16/581,813 patent/US11401801B2/en active Active
- 2019-12-23 SA SA119410316A patent/SA119410316B1/ar unknown
-
2020
- 2020-06-02 CA CA3081744A patent/CA3081744C/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11401801B2 (en) | 2022-08-02 |
| CA3081744A1 (en) | 2021-03-25 |
| US20210087925A1 (en) | 2021-03-25 |
| CA3081744C (en) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| SA119410316B1 (ar) | أنظمة وطرق للتحكم في التصديع الهيدروليكي في الوقت الفعلي | |
| Rui et al. | Development of industry performance metrics for offshore oil and gas project | |
| US10415349B2 (en) | Systems and methods for subsurface oil recovery optimization | |
| US11460604B2 (en) | Systems and methods for forecasting well interference | |
| US10941642B2 (en) | Structure for fluid flowback control decision making and optimization | |
| SA518391500B1 (ar) | أنظمة وطرق لتقييم واستمثال فعالية التحفيز باستخدام عوامل حارفة | |
| CA3079352A1 (en) | Enhancing reservoir production optimization through integrating inter-well tracers | |
| US20200320386A1 (en) | Effective Representation of Complex Three-Dimensional Simulation Results for Real-Time Operations | |
| US20180052903A1 (en) | Transforming historical well production data for predictive modeling | |
| Ebrahimi et al. | A robust model for computing pressure drop in vertical multiphase flow | |
| Aven et al. | On how to understand and present the uncertainties in production assurance analyses, with a case study related to a subsea production system | |
| SA120420296B1 (ar) | التحكم في العملية المتعلقة بفعالية مجموعة الثقوب | |
| Magana-Mora et al. | Well control space out: A deep-learning approach for the optimization of drilling safety operations | |
| US10922454B2 (en) | Method and apparatus for fast economic analysis of production of fracture-stimulated wells | |
| Noureldien et al. | Using Artificial Intelligence in Estimating Oil Recovery Factor | |
| Seman et al. | Tuning of oil well models with production data reconciliation | |
| Santos et al. | Information, robustness, and flexibility to manage uncertainties in petroleum field development | |
| Dashti et al. | Data Analytics into Hydraulic Modelling for Better Understanding of Well/Surface Network Limits, Proactively Identify Challenges and, Provide Solutions for Improved System Performance in the Greater Burgan Field | |
| Desai et al. | An Integrated Wells to Process Facility Model for Greater Burgan Oilfield | |
| Ettehadtavakkol et al. | Stochastic optimization and uncertainty analysis for E&P projects: A case in offshore gas field development | |
| Issa et al. | Mathematical Models for Oil Production Optimization in Fuzzy Environments: Well Stock Forecasting and Regulation. | |
| Ettehadtavakkol et al. | Development optimization and uncertainty analysis methods for oil and gas reservoirs | |
| Weiss et al. | Large-scale facility expansion evaluations at the Kuparuk river field | |
| Gao et al. | Automatic history matching of parent-child wells in shale gas reservoirs with complex fracture hits | |
| Kutergina et al. | The impact of integrated modelling on the technical and economic indicators of the oil production process |