Using Neural Network System for Casing Collapse Occurrence and its Depth Prediction in a Middle Eastern Carbonate Field
- سال انتشار: 1387
- محل انتشار: اولین کنگره ملی صنعت حفاری
- کد COI اختصاصی: NIDIC01_041
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1589
نویسندگان
Petropars Ltd
چکیده
A large carbonate oil field in Iran is suffering from severe casing collapses. 48 casing collapses have been found to be reservoir compaction and poro-elastic effects and corrosion.The application of neural networks for predicting casing collapses using complex multi-dimensional field data has been undertaken. This paper shows how a neural network (ANN) system can be trained based on the parameters affecting casing collapse to estimate the potential of collapse of wells to be drilled as well as the current wells producing in the field. The potential use of this type of analysis is large in that it can be linked as a critical risking parameter in future field development analysis. Being able to quantify the potential for collapse of a well in the future can give management the foundation for a better financial decision making on what wells and where to drill them with the potential for the larger net return on the investment. The estimated collapse and corresponding depth could also benefit in the type of casing design and completion method to be selected as well as workover designs. Interpretation of the neural network results, together with engineering judgment, allowed us to conclude that using this method is technically feasible for predicting casing collapses in this field.کلیدواژه ها
ANN (Artificial Neural Network), PCF (Pound per cubic feet), MW (Mud Weight), BPNN (Back Propagation Neural Network), GRNN (General Regression Neural Network)مقالات مرتبط جدید
- پتانسیل کانیزایی و تشکیل بوکسیت در برگه علیآباد شمال استان سمنان
- کاربرد تلفیق تصاویر اپتیکال و راداری در بارزسازی سنگهای دگرسان شده و اکتشاف کانسارهای معدنی: مطالعات موردی از مصر، اندونزی و ایران
- شناسایی تاثیر لاگ های ژئو فیزیکی دراکتشافات نفت با تاکید بر چالش های تولید نفت در آب های عمیق تضمین جریان
- مروری بر مهندسی محیط زیست، توسعه پایدار، تجارت بین الملل و مدیریت منابع
- نقش هوش مصنوعی در ارتقای بهرهوری صنعت سنگ های ساختمانی
اطلاعات بیشتر در مورد 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.