Maschinelles Lernen und Erdöltechnik

Diese Arbeit ist im Kontext des Volve-Ölfelds in der Nordsee (Norwegen) angesiedelt und befasst sich mit dem entscheidenden Problem der Vorhersage und Optimierung der Produktivität von Ölquellen. Da der Ölsektor von strategischer Bedeutung ist ist die Entwicklung robuster Modelle zur Maximierung der Produktion bei gleichzeitiger Minimierung der Kosten und der Umweltauswirkungen von entscheidender Bedeutung. Das zentrale Ziel hier ist die Entwicklung robuster Vorhersagemodelle unter Verwendung fortschrittlicher Machine-Learning-Algorithmen. Genauer gesagt soll die Leistungsfähigkeit der Kopplung von Deep Learning mit der Simulation von Flüssigkeitsströmungen demonstriert werden. Darüber hinaus befasst sich die Studie mit der Entwicklung mathematischer Vorhersagemodelle unter Verwendung der Methode der Antwortflächen wobei gleichzeitig versucht wird die Parameter für die Bohrlochproduktivität zu optimieren.