الشبكات العصبية ونهج الانحدار للتنبؤ بضغط نقطة الفقاعات في مكامن النفط

لماذا يهم الضغط داخل النفط

عندما يكون النفط مدفوناً عميقاً تحت الأرض، يكون مختلطاً بغاز طبيعي مذاب ومخزناً تحت ضغوط هائلة. النقطة التي يبدأ عندها الغاز بالخروج في صورة فقاعات من النفط — ضغط نقطة الفقاعات — تتحكم بهدوء في كمية النفط القابلة للإنتاج، وسرعة تدفقه، ومدة استمرار ربحية الحقل. قياس هذا الضغط مباشرة في المختبر عملية بطيئة ومكلفة، لذا يعتمد المهندسون على صيغ ونماذج حاسوبية. تستكشف هذه الدراسة كيفية التنبؤ بضغط نقطة الفقاعات بدقة أكبر باستخدام بيانات حقيقية من حقول نفط مصرية وأدوات حديثة مثل الشبكات العصبية.

نظرة فاحصة على زيوت مصر الجوفية

جمع المؤلفون مجموعة غير اعتيادية من القياسات: 1,161 اختباراً مخبرياً مفصلاً من عدة مكامن مصرية، بالإضافة إلى 232 حالة احتُفظت لبناء نموذج حاسوبي منفصل. قسّموا الزيوت إلى عائلتين عامتين تتصرفان بشكل مختلف: الزيوت الثقيلة، الأثقل والأكثف، والزيوت الخفيفة التي تتدفق بسهولة أكبر. لكل عينة سجلوا خصائص مثل درجة الحرارة، كمية الغاز المذاب في النفط، كثافة النفط والغاز، وجوانب من التركيب الكيميائي للسائل. أتاح هذا التصوير الغني لسوائل المكمن الحقيقية فحص العوامل الأكثر ارتباطاً بنقطة بدء خروج الغاز من المحلول.

اكتشاف أنماط باستخدام معادلات بسيطة

أولاً أعاد الفريق فحص «الارتباطات» التقليدية — وهي معادلات مدمجة تُستخدم عالمياً لتقدير ضغط نقطة الفقاعات من عدد قليل من القياسات الأساسية. تم ضبط العديد من هذه الصيغ في الأصل لحقول في مناطق أخرى، مثل الشرق الأوسط أو خليج المكسيك أو إيران. عند اختبار الباحثين لها مقابل بيانات مصرية، تفاوت الأداء بشكل كبير: عملت بعض المعادلات بشكل معقول، في حين أنتجت أخرى أخطاء كبيرة لأنها لم تعكس الجيولوجيا المحلية وتركيبة السوائل. لتحسين الأداء، بنى المؤلفون معادلات جديدة منفصلة للزيوت الثقيلة والخفيفة باستخدام الانحدار المتعدد، وهي طريقة إحصائية تبحث عن أفضل علاقات خطية ملائمة بين عدة متغيرات في آن واحد. والأهم أنهم ضمنوا معلومات تركيبية أكثر تفصيلاً، وليس فقط درجة الحرارة والكثافة، لالتقاط خصائص كل نفط بشكل أدق.

إضافة آلة تعلم أكثر ذكاءً

بعيداً عن المعادلات البسيطة، صمم الباحثون شبكة عصبية اصطناعية، وهو نوع من النماذج الحاسوبية مستوحى من طريقة اتصال خلايا الدماغ. استخدم النموذج أربعة مدخلات سهلة القياس: كمية الغاز المذاب في النفط، وكثافة الغاز، وكثافة النفط، ودرجة حرارة المكمن. في الداخل، حولت طبقتان خفيتان من «الخلايا العصبية» هذه المدخلات خطوة بخطوة، مما سمح للنموذج بتعلم علاقات منحنية دقيقة لا تستطيع المعادلات الخطية التقاطها. اختبر الفريق بعناية أحجام الشبكات والإعدادات الداخلية المختلفة، واختار التهيئة التي حققت دقة عالية دون أن تصبح غير مستقرة أو مفرطة التكيّف. ثم دربوا الشبكة على معظم البيانات وفحصوا تنبؤاتها مقابل حالات منفصلة لم ترها الشبكة من قبل.

مدى جودة أداء الأدوات الجديدة

طابقت المعادلات الجديدة للزيوت الثقيلة والخفيفة ضغوط نقطة الفقاعات المقاسة بشكل أفضل بكثير من الصيغ القديمة، حيث وصلت مستويات الارتباط فوق 96 في المئة وخفّضت الأخطاء المتوسطة بشكل ملحوظ. عند اختبارها على بيانات جديدة لم تُستخدم في بنائها، واصلت هذه المعادلات الأداء بشكل موثوق، مما يدل على أنها تلتقط اتجاهات فيزيائية حقيقية بدلاً من مجرد حفظ العينات الأصلية. أما نموذج الشبكة العصبية فحقق أداءً أقوى: تابعت تنبؤاته نتائج المختبر بارتباط يزيد على 99 في المئة، مما يشير إلى أنه تعلّم بنجاح التداخل المعقد بين محتوى الغاز ودرجة الحرارة وكثافة السائل الذي يتحكم في تكوّن الفقاعات.

ماذا يعني هذا لقرارات إنتاج النفط

بالنسبة لغير المختصين، الرسالة الأساسية هي أن أدوات «تخمين الضغط» الأفضل يمكن أن تترجم مباشرة إلى قرارات أكثر ذكاءً بشأن كيفية تطوير حقول النفط. عندما يعرف المهندسون ضغط نقطة الفقاعات بدقة أكبر، يمكنهم تصميم الآبار والمضخات والمنشآت السطحية بحيث تحافظ على تدفق النفط بكفاءة مع تجنب إطلاق الغاز المفاجئ الذي قد يلحق الضرر بالمعدات أو يترك هيدروكربونات قيِّمة محبوسة تحت الأرض. تُظهر هذه الدراسة أن تكييف طرق التنبؤ لمنطقة محددة، والجمع بين الإحصاء التقليدي والشبكات العصبية الحديثة، يمكن أن يحسّن هذه التنبؤات بشكل كبير. عملياً، يمكن الآن إدارة حقول النفط المصرية — وغيرها ذات الخصائص المماثلة — بثقة أكبر، ما قد يؤدي إلى استرداد طاقة أكثر مع هدر وتكلفة أقل.

الاستشهاد: Mansour, E.M., Gomaa, S. & El‑hoshoudy, A.N. Neural network and regression approaches for predicting bubble point pressure in oil reservoirs. Sci Rep 16, 13893 (2026). https://doi.org/10.1038/s41598-026-49027-8

الكلمات المفتاحية: ضغط نقطة الفقاعات, مكامن النفط, النفط الثقيل والخفيف, نمذجة الشبكات العصبية, هندسة المكامن