تخمین نرخ نفوذ در سنگ با استفاده از شبکه عصبی مصنوعی و بهینه سازی پارامترهای حفاری در چاه های جهتدار میدان نفتی اهواز
- سال انتشار: 1391
- محل انتشار: اولین کنفرانس بین المللی نفت، گاز، پتروشیمی و نیروگاهی
- کد COI اختصاصی: ICOGPP01_694
- زبان مقاله: فارسی
- تعداد مشاهده: 1537
نویسندگان
گروه مهندسی نفت و گاز، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی،
استادیار دانشگاه صنعت نفت، اهواز، ایران
گروه مهندسی نفت، دانشگاه آزاد اسلامی واحد امیدیه، امیدیه، ایران
چکیده
برای سرعت دادن هرچه بیشتر به عملیات حفاری و در نتیجه کاهش هزینه ها و پایین آوردن هرچه بیشتر ریسک عملیات، با شبیه سازی و پیش بینی شرایط می توانیم به نتایج مطلوبی برسیم. برای این کار با برنامه نویسی و با توجه بهداده های چاه های حفاری شده به صورت انحرافی در میدان نفتی اهواز می توان به مقداری بهینه برای حفاری در این میدان رسید. با مدل سازی از شرایط چاه و پارامترهای حفاری با توجه به چاه های موجود در منطقه، به مدلی یکسان وقابل اعتماد و کاربردی خواهیم رسید. عوامل زیادی در نرخ نفوذ در سنگ موثر هستند. مدل سازی شبکه عصبی برای برقراری رابطه بین این متغیر های بسیار مهم میباشد و کمک بسیاری به فرایند بهینه سازی می کند.در این مقاله با استفاده از معادله بورگینه و یانگ به برقراری رابطه بین این متغیر ها می پردازیم. اولین مرحله در کاربرد شبکه عصبی ساخت مدل در نقطه ی شروع چاه است. شبکه عصبی داده ها را به سه قسمت تقسیم می نماید. 70 % داده ها را برای آموزش شبکه اختصاص می دهد. 15 % داده ها را برای اعتبار سنجی شبکه و 15 % داده ها را برای آنالیز حساسیت شبکه اختصاص داده شده است. باید به درصد خطایی پایین در محاسبات برسیم. چرا که بررسی ها باید در جهت کاهش ریسک و افزایش سرعت روند حفاری با مقادیری بهینه باشد. چرخه ی این فرایند تقریبا شامل 4-2میلیون محاسبه برای هر آنالیز است. تمامی این فرایند ها برای برقراری رابطه ای بین متغییر ها و نمودار ها تکرار می شوند.کلیدواژه ها
شبکه عصبی- نرخ نفوذ در سنگ- وزن روی مته- بهینه سازی- سرعت دورانی رشته حفاریمقالات مرتبط جدید
- Comprehensive Review of Silicone Sealants: Preparation Methods, Characterization, and Performance
- بهینه سازی شرایط عملیاتی ترکیب واحدهای به دام اندازی کربن و تولید متانول
- کاربرد اینترنت اشیا (IoT) در پایش وضعیت تجهیزات و یکپارچه سازی با سامانه های مدیریت نگهداری و تعمیرات (CMMS) در بنادر استراتژیک
- Density functional theory study of SWCNTs as detectors of toxic gases
- Covalent Synthesis and Performance Evaluation of Graphene Oxide/y-Alumina Hybrid Nanocomposite for Industrial Wastewater Treatment
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.