پیشگفتار 9

فصل اول 13

مقدمه 13

1- 1ساختار کلی کتاب 14

1-2تحلیل داده در زمینه‌های مختلف 15

1-3 تجزیه‌وتحلیل داده 18

1-4 موارد جدید در تجزیه‌وتحلیل داده‌ها 19

1-5 اهمیت تجزیه‌وتحلیل داده‌ در صنعت نفت 20

1-6 چالش‌های پیشرو در تجزیه‌وتحلیل داده 21

فصل دوم 23

روش مدل‌سازی داده‌محور 23

2-1 استراتژی مدل‌سازی 24

2-2 توسعه مدل 28

2-3 فناوری‌های فعال 29

2-3 کمی‌سازی و کاهش ریسک 30

فصل سوم 31

تصمیم‌گیری با مدل‌های داده‌محور 31

3-1  ارزش آفرینی 33

3-2  مدل سازمانی 34

3-3  اجرا 35

فصل چهارم 37

کاربردهای مهندسی مخزن 37

4-1  فشار سیال - حجم - دما (PVT) 37

4-2  تجزیه‌وتحلیل مغزه 42

4-4 نظارت و مدیریت مخزن 57

4-5 افزایش بازیافت نفت (EOR) و بهبود بازیافت نفت (IOR) 65

4-6 شبیه‌سازی مخزن 74

4-7 مخازن غیرمتعارف 96

فصل پنجم 104

تحلیل داده‌های مخزن با استفاده از الگوریتم‌های یادگیری ماشین 104

5-1 مروری بر روش‌های پیش‌بینی و طبقه‌بندی مبتنی بر هوش مصنوعی 104

5-2 چالش در یادگیری ماشین و هوش مصنوعی 110

5-3 مبانی شبکه‌های عصبی مصنوعی (ANN) 116

5-4 مثالی از کاربردها با استفاده از "ANN"  و روش‌های ترکیبی 121

5-5 کاربردهای بیشتر: مدل‌سازی مخزن زمین‌گرمایی مبتنی بر داده (تخمین توزیع تراوایی توسط یادگیری ماشین) 128

فصل ششم 150

پیاده‌سازی الگوریتم‌های یادگیری ماشین پرکاربرد در مهندسی نفت 150

6-1 پیاده‌سازی الگوریتم رگرسیون لجستیک 150

6-2 پیاده‌سازی الگوریتم K-نزدیک‌ترین همسایه (KNN) 152

6-3 پیاده‌سازی الگوریتم ماشین بردار پشتیبان (SVM) 157

6-4 پیاده‌سازی الگوریتم شبکه عصبی پرسپترون چندلایه (MLP) 161

6-5 پیاده‌سازی الگوریتم درخت تصمیم 164

فصل هفتم 170

روندهای آینده 170

7-1 داده 170

7-2 خودکارسازی میدانی 171

7-3 کاربردها 173

7-4 چالش‌ها و راهکارها 174

منابع 178