Evaluation Of The Deliquification Methods For Gas Wells In Some Of The Egyptian Gas Fields /
Ahmed Badie Beder Kamal,
Evaluation Of The Deliquification Methods For Gas Wells In Some Of The Egyptian Gas Fields / تقييم طرق إزالة السوائل من آبار الغاز ببعض الحقول المصرية By Ahmed Badie Beder Kamal; Under the Supervision of Prof. Dr. Khaled Ahmed Abdel Fattah, Dr. Mohamed Ghareeb Mustafa. - 134 pages : illustrations ; 30 cm. + CD.
Thesis (M.Sc.) -Cairo University, 2024.
Bibliography: pages 126-128.
In this study, new machine learning models have been developed to predict liquid loading more efficiently at early stages to preserve gas resources, as follows: Linear Regression (LR) model, K-Nearest neighbor (KNN) model, Decision Tree (DT) model, Random Forest (RF) model, Support Vector Machine (SVM) model, and finally, an Artificial Neural Network (ANN) model. Then, a workflow is developed to predict liquid loading using these models integrated with production analysis and nodal analysis and choose the optimum deliquification method to be used.
في هذه الدراسة، تم تطوير نماذج تعلم آلي جديدة للتنبؤ بتحميل السائل بشكل أكثر كفاءة في المراحل المبكرة للحفاظ على موارد الغاز، وتشمل هذه النماذج: نموذج الانحدار الخطي ، نموذج أقرب جار ونموذج شجرة القرار ونموذج الغابة العشوائية ونموذج آلة الدعم الشعاعي ، وأخيرًا نموذج الشبكة العصبية الاصطناعية. ثم تم تطوير سير عمل للتنبؤ بتحميل السائل باستخدام هذه النماذج المدمجة مع تحليل الإنتاج والتحليل العقدي واختيار الطريقة المثلى لإزالة السوائل.
Text in English and abstract in Arabic & English.
Petroleum Engineering
هندسة بترول
Liquid loading Critical gas rate Machine Learning
622.3382
Evaluation Of The Deliquification Methods For Gas Wells In Some Of The Egyptian Gas Fields / تقييم طرق إزالة السوائل من آبار الغاز ببعض الحقول المصرية By Ahmed Badie Beder Kamal; Under the Supervision of Prof. Dr. Khaled Ahmed Abdel Fattah, Dr. Mohamed Ghareeb Mustafa. - 134 pages : illustrations ; 30 cm. + CD.
Thesis (M.Sc.) -Cairo University, 2024.
Bibliography: pages 126-128.
In this study, new machine learning models have been developed to predict liquid loading more efficiently at early stages to preserve gas resources, as follows: Linear Regression (LR) model, K-Nearest neighbor (KNN) model, Decision Tree (DT) model, Random Forest (RF) model, Support Vector Machine (SVM) model, and finally, an Artificial Neural Network (ANN) model. Then, a workflow is developed to predict liquid loading using these models integrated with production analysis and nodal analysis and choose the optimum deliquification method to be used.
في هذه الدراسة، تم تطوير نماذج تعلم آلي جديدة للتنبؤ بتحميل السائل بشكل أكثر كفاءة في المراحل المبكرة للحفاظ على موارد الغاز، وتشمل هذه النماذج: نموذج الانحدار الخطي ، نموذج أقرب جار ونموذج شجرة القرار ونموذج الغابة العشوائية ونموذج آلة الدعم الشعاعي ، وأخيرًا نموذج الشبكة العصبية الاصطناعية. ثم تم تطوير سير عمل للتنبؤ بتحميل السائل باستخدام هذه النماذج المدمجة مع تحليل الإنتاج والتحليل العقدي واختيار الطريقة المثلى لإزالة السوائل.
Text in English and abstract in Arabic & English.
Petroleum Engineering
هندسة بترول
Liquid loading Critical gas rate Machine Learning
622.3382