طوّر فريق بحثي في جامعة Texas A&M نموذج تنبؤ جديد للخزانات النفطية من خلال دمج التعلم الآلي مع تقنيات ضغط البيانات، مما يحسن بشكل كبير كفاءة ودقة تقييم إنتاج النفط والغاز. يقلل هذا النموذج وقت الحساب التقليدي الذي يستغرق حوالي 11 دقيقة إلى أقل من ثانية واحدة، مع الحفاظ على دقة تنبؤ تصل إلى حوالي 97%.

أشار الباحث في قسم هندسة البترول محمد إلكادي (Mohammed Elkady): "هناك العديد من طرق التنبؤ بالإنتاج، لكن كل شيء يعتمد عليها. أي قرار — سواء كان قرضًا، أو دراسة اقتصادية، أو قرارًا في مرحلة التطوير — يعتمد على نتائج التنبؤ، لأنها تخبرك بكمية النفط أو الغاز أو الماء التي سيتم إنتاجها." تحت إشراف الدكتور سيدارث ميسرا (Siddharth Misra)، طور الفريق طريقة تنبؤ بالخزانات مناسبة للظروف الجيولوجية المعقدة.

يجمع النموذج الجديد بشكل مبتكر بين الشبكات العصبية وتقنيات ضغط البيانات الجيولوجية. قام الباحثون أولاً ببناء 4000 نموذج خزان افتراضي متجانس، يحتوي كل نموذج على 88000 خلية شبكية، مما أنتج أكثر من 250 ألف نقطة بيانات. باستخدام نوعين مختلفين من تقنيات ضغط البيانات، تم ضغط البيانات الأصلية إلى نسبة واحد من خمسين ألف، ثم تم تدريب الشبكة العصبية في بيئة Python للتنبؤ بالإنتاج.

في الاختبارات الأولية، أكمل النموذج التنبؤ في أقل من ثانية واحدة مقارنة بـ700 ثانية للمحاكي التقليدي، مع معدل خطأ يقل عن 3%. تعاون الفريق مع شركة Saudi Aramco لاستخدام بيانات محاكاة قدمتها الشركة، مما أدى إلى إنشاء حوالي 3000 نموذج خزان غير متجانس. مع زيادة المعلمات، خاصة إضافة عوامل التشغيل البشرية، استمر الفريق في تحسين أداء النموذج.

يجري حاليًا توسيع المعلمات وتحسين التقنية في نموذج التنبؤ هذا، ويخطط الباحثون للتحقق منه باستخدام بيانات الإنتاج الفعلية في الخطوة التالية. من المتوقع أن توفر هذه التقنية دعمًا أكثر موثوقية لقرارات الاستثمار والتخطيط الإنتاجي في صناعة النفط والغاز.