Description
Ce travail s’inscrit dans le contexte du champ ptrolier Volve en mer du Nord (Norvge) et aborde le problme crucial de la prdiction et de l’optimisation de la productivit des puits ptroliers. Le secteur ptrolier tant stratgique, il est essentiel de dvelopper des modles robustes pour maximiser la production tout en minimisant les cots et les impacts environnementaux. L’objectif central ici est de dvelopper des modles de prdiction robustes en utilisant des algorithmes de Machine Learning avancs. Plus prcisment, il vise dmontrer la puissance du couplage du Deep Learning avec la simulation des coulements de fluides. De plus, l’tude se penche sur l’laboration de modles mathmatiques de prdiction l’aide de la mthode des surfaces de rponse, tout en cherchant optimiser les paramtres de la productivit des puits.
