| Titre : | Approches d'apprentissage automatique pour la détection et la prédiction du chargement de liquide dans les puits de gaz : cas d'étude de la division digital & integration de SLB NAF |
| Auteurs : | Ramy Hafdi, Auteur ; Latifa Debbi, Directeur de thèse ; Shukla Sourabh, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2023 |
| Format : | 1 fichier PDF (4.2 Mo) / ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet
Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 104 - 106. - Annexes P. 108 - 123 |
| Langues : | Français |
| Index. décimale : | PI02023 |
| Tags : | Apprentissage automatique Chargement de liquide Détection Ecoulement multiphasique Optimisation la production Prédiction Puits gaz |
| Résumé : |
Ce projet vise à relever le défi de la détection et de la prédiction du chargement de liquide dans les puits de gaz en utilisant des techniques d'apprentissage automatique.
La détection et la prédiction du chargement de liquide sont essentielles pour maintenir une production de gaz optimale et éviter toute perte de production. En explorant les principes fondamentaux de la production de puits de gaz et de l'écoulement multiphasique, ainsi qu'en exploitant différentes approches d'apprentissage automatique, cette étude cherche à développer une solution efficace pour une identification précise et opportune du chargement de liquide dans les puits de gaz. La recherche examinera les performances de différents modèles d'apprentissage automatique, les comparera aux corrélations empiriques et explorera le potentiel des modèles hybrides. Grâce à une analyse basée sur les données et à des expérimentations, ce projet vise à contribuer à l'avancement des stratégies d'atténuation du chargement de liquide et à améliorer l'efficacité opérationnelle de la production de gaz. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PI02023 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Data sciences_Intelligence artificielle | Téléchargeable |
Documents numériques (1)
|
HAFDI.Ramy.pdf URL
|
