CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهینه سازی مدل نرخ نفوذ مته توسط الگوریتم ژنتیک

عنوان مقاله: بهینه سازی مدل نرخ نفوذ مته توسط الگوریتم ژنتیک
شناسه ملی مقاله: AISC01_020
منتشر شده در اولین کنفرانس هوش مصنوعی و پردازش هوشمند در سال 1401
مشخصات نویسندگان مقاله:

رضا جلکانی - دانشجوی کارشناسی ارشد دانشکده مهندسی نفت و گاز، دانشگاه صنعتی سهند
سید شهاب طباطبایی مرادی - استادیار دانشکده مهندسی نفت و گاز، دانشگاه صنعتی سهند
محسن عالیزاده - کارشناس اداره مهندسی حفاری شرکت ملی مناطق نفتخیز جنوب

خلاصه مقاله:
نرخ نفوذ به عنوان طول حفاری شده در واحد زمان تعریف می شود و واحدهای اندازه گیری آن متربرساعت یا فوت برساعت است. به طورکلی در عملیات حفاری نرخ نفوذ به دو روش نرخ نفوذ میانگین و نرخ نفوذ لحظه ای محاسبه می شود. مهمترین عواملی که بر نرخ نفوذ تاثیر دارند عبارت اند از: راندمان دکل، خصوصیات سازند زیر سطحی، پارامترهای مکانیکی، پارامترهای هیدرولیکی و سایر ویژگی های سیال حفاری. عوامل موثر بر نرخ نفوذ می توانند به پارامترهای قابل کنترل و غیر قابل کنترل تقسیم بندی شوند. در سال های گذشته مطالعات زیادی برای توسعه مدل های پیش بینی نرخ نفوذ، انجام شده است و بر این اساس مدل های متعددی توسعه داده شده اند. تمامی این مدل ها دارای ثوابتی هستند که انتخاب مقادیر آن ها تاثیر قابل توجهی بر دقت عملکرد مدل خواهد داشت. هدف در این پژوهش، تعیین مقدار بهینه ثابت ها در مدل بینگهام توسط الگوریتم ژنتیک می باشد. نتایج بهینه سازی مدل بینگهام توسط الگوریتم ژنتیک نشان داد که ضریب همبستگی بین نرخ نفوذ پیش بینی شده و مقدار نرخ نفوذ واقعی برابر با ۰/۹۲ می باشد.

کلمات کلیدی:
نرخ نفوذ، الگوریتم ژنتیک، مدل بینگهام، بهینه سازی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1549584/