ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی نرخ حفاری با استفاده از شبکه عصبی پایه شعاعی

سال انتشار: 1399
کد COI مقاله: MECHAERO05_008
زبان مقاله: فارسیمشاهد این مقاله: 104
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی نرخ حفاری با استفاده از شبکه عصبی پایه شعاعی

مهدی منجزی - گروه مکانیک، دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
کورس نکوفر - استادیار گروه مکانیک، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
سید آرش سید شمس طالقانی - استادیار پژوهشگاه هوا فضای وزارت علوم ، تحقیقات و فناوری، تهران، ایران

چکیده مقاله:

یکی از جدیدترین مدل های حفاری، استفاده از شبکه های عصبی مصنوعی است. شبکه پایه شعاعی نسبت به شبکه های عصبی چند لایه طراحی ساده تری دارند. به گونه ای که تنها سه لایه دارند. شبکه های عصبی پایه شعاعی براساس توابع محلی پایه و تخمین تکراری تابع هستند. این نوع از شبکه ها از آموزش تحت نظارت استفاده می کند و از انواع شبکه های پیشرو است. در این مطالعه، مدلی بر پایه شبکه عصبی پایه شعاعی به منظور پیش بینی نرخ حفاری توسعه داده شده است. بیش از 300 داده سرعت حفاری از یک میادن ایران استفاده شد. به منظور پیش بینی مقدار سرعت حفاری با استفاده از داده های میدانی از چند پارامتر ورودی شامل عمق (متر)، قطر چاه (اینچ)، سرعت تزریق گل (بشکه بر دقیقه)، سرعت چرخش رشته حفاری (دور در دقیقه)، وزن روی مته (کیلو پوند)، گشتاور(کیلو فوت در پوند) وزن گل (پوند بر فوت مکعب)، ویسکوزیته قیف (ثانیه)، ویسکوزیته پلاستیک (سنتی پویز)، نقطه واروی (پوند بر 100 فوت مربع)، نسبت ژل 10 ثانیه بر 10 دقیقه و هرزروی سیال (سی سی در 30 دقیقه) استفاده شد. همچنین مقدار سرعت حفاری (متر بر ساعت) نیز به عنوان پارامتر خروجی مدل ها در نظر گرفته شد. دو پارامتر بیشینه تعداد نورون ها و عدد گسترش با استفاده از الگوریتم ازدحام ذرات مقادیر بهینه آنها 41 و 0/78 به دست آمد. مقدار ضریب همبستگی این مدل برابر با 0/9795 بدست آمد که مقدار بالایی است و نشان می دهد که مدل دارای دقت قابل قبولی است. نتایج این مطالعه نشان داد که شبکه عصبی پایه شعاعی می تواند برای پیش بینی سرعت حفاری مورد استفاده قرار بگیرد

کلیدواژه ها:

حفاری، نرخ حفاری، شبکه عصبی، شبکه چندلایه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1039495/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
منجزی، مهدی و نکوفر، کورس و سید شمس طالقانی، سید آرش،1399،پیش بینی نرخ حفاری با استفاده از شبکه عصبی پایه شعاعی،پنجمین کنفرانس ملی مهندسی مکانیک و هوافضا،تهران،،،https://civilica.com/doc/1039495

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، منجزی، مهدی؛ کورس نکوفر و سید آرش سید شمس طالقانی)
برای بار دوم به بعد: (1399، منجزی؛ نکوفر و سید شمس طالقانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 1,966
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی