Développement d’un outil d’aide à la prise de décision lors de la complétion des puits d’hydrocarbures

Abstract

La production de sable est l'un des principaux problèmes de l'industrie pétrolière et gazière, plus précisément l’aspect amont. Elle affecte gravement les aspects techniques et économiques en diminuant la récupération des hydrocarbures et en augmentant les coûts opérationnels. Heureusement, il existe différentes techniques pour traiter ce phénomène mais le défi reste tout le temps d’actualité et ce pour comprendre les critères de sélection de la méthode de contrôle du sable appropriée afin de remédier à ce problème. L'objectif de cette thèse est de développer une approche de classification pour prédire la méthode optimale de contrôle du sable en utilisant des algorithmes d'apprentissage automatique. Quatre modèles différents ont été utilisés, à savoir : K-Nearest Neighbors, Support Vector Machine, Random Forest, Arbre de Decision. Cette étude a été menée sur une base de données appartenant au Dataset internationale regroupant les donnes de plus de 1900 puits, utilisée à l'origine pour comparer la fiabilité de différentes formes de contrôle du sable. Le long de ce mémoire, nous allons proposer une démarche fiable en utilisant les techniques su citées, l'analyse et le traitement des données ont montré que jusqu’à un certain niveau, ces méthodes peuvent nous fournir des solutions optimales assurant une complétion adéquate pour le puits candidat. De ce fait, cette approche s’avère une approche potentielle qui s’élève au niveau d’un outil d’aide à la prise de décision. Et par conséquent ces techniques développées peuvent venir en aide auprès des ingénieurs et les superviseurs en charge de l’étape de choix des complétions.