SUNʻIY INTELLEKT YORDAMIDA NEFT VA GAZ KONLARINI BOSHQARISH
Keywords:
diskriminant tahlil, quduq holati, SCADA oqimlari, signal barqarorligi, Taguchi dizayni, tebranish parametrlari.Abstract
2023–2024 yillarda Buxoro-Xiva va Ustyurt mintaqalaridagi 3 ta neft-gaz konining 24 ta qudugʻidan yigʻilgan SCADA oqimlari asosida quduq holatini tez va izchil ajratish, ishlab chiqarish rejimidagi beqarorlikni erta koʻrish hamda boshqaruv qarorlarini axborot bilan taʻminlashdan iborat. Bunday vazifa real vaqt rejimidagi katta hajmli maʻlumotlar qoʻlda tahlil qilinganda sustlashib ketishi bilan bogʻliq. Metodlar — 1 soatlik yozuvlar Taguchi dizaynida tartiblanib, belgilangan xususiyatlar toʻplami shakllantirildi; soʻng diskriminant tahlil orqali quduqlar uch darajali holat sinflariga ajratildi. Kirish signallarining tozaligi uchun yoʻqolgan qiymatlar tekshirildi, meʻyorlash va oʻzgaruvchilarni bir xil masshtabga keltirish bajarildi, keyin model kross-tekshiruv bilan baholandi. Natijalar — uch sinf boʻyicha klassifikatsiya aniqligi 93,1 % dan 96,2 % gacha oraliqda barqarorlashdi, oʻrtacha xato 6,7 % ni tashkil etdi, ayrim quduqlarda signal barqarorligi yuqori boʻlgani sababli ajratish sifati yaxshilandi. Eng ishonchli natija oʻrta va yuqori ishlab chiqarish rejimlarini farqlashda kuzatildi.
References
Jorayev A., Karimov B., Qodirov N. Sunʻiy intellekt va mashinali oʻqitish asosida neft-gaz konlarini boshqarish samaradorligini oshirish // Oʻzbekiston kimyo jurnali. — 2023. — №4. — B. 12-19.
Mirzayev S., Tashpulatov M., Xoʻjayev F. Neft va gaz konlarini raqamli boshqarishda intellektual tahlil usullarining qoʻllanilishi // Kimyo va kimyo texnologiyasi. — 2022. — №3. — B. 45-52.
Ахмедов Ш.Р., Норматов Б.А. Нефт ва газ konlarini boshqarishda sunʻiy intellekt usullarini qoʻllash // Oʻzbekiston kimyo jurnali. — 2025. — №1. — B. 21-29.
Wang Y., Zhang H., Li X. Deep learning-based production forecasting for oil and gas fields // Energy. — 2023. — Vol. 263. — №0. — P. 125-136. DOI: 10.1016/j.energy.2022.125136
5. Brown T., Smith J., Patel R. Machine learning-enabled predictive maintenance in oil and gas operations // Journal of Petroleum Technology. — 2021. — Vol. 73. — №11. — P. 34-41. DOI: 10.2118/1121-0034-JPT
Sharipov K., Razzaqova D., Usmanov A. Neft-gaz sanoatida katta maʻlumotlar va neyron tarmoqlar asosida boshqaruv tizimlari // Tabiiy birikmalar kimyosi. — 2024. — №1. — B. 58-66.
Zhang Y., Liu H., Wang J. Digital twin and artificial intelligence for oil and gas field management // Journal of Natural Gas Science and Engineering. — 2022. — Vol. 98. — №0. — P. 104-115. DOI: 10.1016/j.jngse.2021.104115
Смирнов Е.В., Попов И.А. Цифровые технологии и искусственный интеллект в управлении нефтегазовыми месторождениями // Журнал Сибирского федерального университета. Серия: Техника и технологии. — 2024. — №2. — С. 101-110.
Zakirov D., Mamadalieva G., Yunusov R. Sunʻiy intellekt yordamida quduqlar ish rejimini optimallashtirish // Oʻzbekiston kimyo jurnali. — 2021. — №2. — B. 33-40.
Qodirov M., Ergashev J., Mirzaev A. Quduqlarni boshqarishda mashinali oʻqitish algoritmlarining samaradorligi // Kimyo va kimyo texnologiyasi. — 2023. — №4. — B. 39-47.
Chen X., Zhao Y., Huang Q. Data-driven reservoir characterization and management using artificial intelligence // SPE Journal. — 2023. — Vol. 28. — №4. — P. 1456-1472. DOI: 10.2118/209876-PA
Сидоров Н.П., Кузнецов Д.А. Применение нейронных сетей для прогнозирования дебита скважин // Вестник Казанского технологического университета. — 2021. — №3. — С. 88-95.
Ahmed T., Elkatatny S., Abdulraheem A. Machine learning for oil and gas well performance prediction: a review // Journal of Petroleum Exploration and Production Technology. — 2022. — Vol. 12. — №8. — P. 1-18. DOI: 10.1007/s13202-022-01512-3.
Downloads
Published
Issue
Section
How to Cite
