استفاده از شبکه های عصبی در پیش بینی میزان فرسایش یاتاقان مته های مخروطی در میادین نفتی جنوب ایران

در این مقا له با استفاده از توانایی شبکه های عصبی در مدلسازی و یاد گیری روابط غیر خطی و پیچیده، مدلی جهت پیش بینی میزان فرسایش یاتاقان مته ارائه شده است.پارامترهای ورودی در ساخت این شبکه شامل اندازه ی مته، عمق ورود مته، عمق خروج مته ،طول حفاری شده، مدت حفاری توسط مته، سرعت نفوذ مته، وزن روی مته، سرعت چرخش مته،نوع سازند و فشار پمپ میباشد. داده های استفاده شده متعلق به بیش از پنجاه چاه حفاری شده در منطقه جنوب ایران میباشد. مدل ساخته شده بر اساس الگریتم آموزش تحت نظارت پایه گذاری شده است و از لحاظتوپولوژی از نوع پس انتشار میباشد. با توجه به اینکه ضریب همبستگی بدست امده از این مدل ٠.٩٧٨٧١ میباشد، لذا می تواند مدل مورد اعتمادی برای استفاده در صنعت جهت پیش بینی میزان فرسایش یاتاقان در مته های مخروطی باشد، و همچنین وضعیت مته را در حین عملیات حفاری بدون انجام عملیات لوله بالا مشخص میکند و نهایتا منجر به کاهش هزینه های مختلف حفاری میشود.

کلیدواژه ها:

حفاری ، مته مخروطی ، یاتاقان مته ، شبکه ی عصبی ، الگوریتم آموزش