روش منحنی کاهش

این مقاله به توصیف و مقایسه پیش بینی‎های دو روش از بین روش‎های تحلیل داده‎ها، روش منحنی کاهش (DCE) با استفاده از روش رگرسیون و روش شبکه عصبی مصنوعی (ANN) می‎پردازد. نتایج به‎دست آمده مربوط به تولید حاصل از چاه‎های واقع بر میدان نفتی اهواز نشان می‎دهند که در طول دوره برآورد، برازش روش شبکه عصبی از انطباق بهتری نسبت به روش رگرسیون (با استفاده از تکنیکهای اقتصادسنجی) برخوردار است، ولی در دوره پیش بینی تولید، با توجه به سناریوی انتخابی، پیش بینی روش شبکه عصبی بسیار متفاوت از روش رگرسیون است و نشان می‎دهد که تحلیلگران نباید برای تخمین تولید میادین نفتی تنها به یک روش خاص تکیه کنند. به هر حال این دو شیوه در سیستمی موسوم به “سیستم پشتیبانی تصمیم ”، DSS، برای کاربران امکان پیش بینی تولید یک میدان یا حتی یک چاه را فراهم می‎آورند. بنابراین، یک کارشناس میدان نفتی می تواند منحنی های مختلف مربوط به نرخ‎های تولید پیش بینی شده را مقایسه و مناسب ترین مدل را برای تصمیم گیری انتخاب نماید. به‎عبارت دیگر، معادلات (ریاضی) به‎کار رفته برای پیش بینی تولید یک میدان نفتی به‎گونه ای باید مدل سازی شوند که بتوانند مقادیر نسبتا نزدیک به یکدیگر را به‎دست دهند.