تعیین عمق های بحرانی حفاری با استفاده از روش های ماشین بردارپشتیبان و دسته بند جمعی، یک مطالعه موردی

  • سال انتشار: 1401
  • محل انتشار: چهارمین کنفرانس بین المللی دوسالانه نفت، گاز و پتروشیمی
  • کد COI اختصاصی: OGPC04_013
  • زبان مقاله: فارسی
  • تعداد مشاهده: 229
دانلود فایل این مقاله

نویسندگان

حامد آزادیان

دانشجوی مقطع کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس

علی رنجبر

گروه مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس

عباس روحی

شرکت ملی حفاری ایران

چکیده

پیشبینی عمقهای بحرانی که احتمال وقوع مشکلات حفاری در آنها براساس تجربه حفر چاه های قبل در میدان بیشاز دیگر اعماق است، می تواند گام مهمی در کاهش زمان و هزینه های حفاری باشد. در این پژوهش، با به کارگیریروش های یادگیری ماشین و استفاده از پارامترهای حفاری، پیش بینی عمق های بحرانی حفاری از طریق کلاس بندیمشکلات حفاری بررسی شده است. از ۴۱۱ دسته داده حاصل از حفاری ۱۷ چاه یکی از میادین دریایی ایران برای ساختمدل های یادگیری ماشین استفاده شد. برای آزمایش مدل ها، ۳۰ درصد از داده ها به منظور اثبات جامعیت پذیری آنهابه کار گرفته شد. با استفاده از نرم افزار MATLAB R۲۰۲۱b مدل های دسته بندی چندکلاسه شامل ماشین های بردارپشتیبان، و دسته بند جمعی اجرا شد. پس از بهینه سازی، بهترین دقت اعتبارسنجی متعلق به مدل دسته بند جمعی با دقت ۸۹/۲% بود. همچنین دقیق ترین مدل در مرحله آزمایش، به ترتیب دسته بند جمعی با ۸۷/۴% و ماشین های بردار پشتیبان با ۸۲/۱% بود. از مدلهای با دقت مناسب می توان برای پیش بینی عمق های بحرانی حفاری، و توجه بیشتر حین حفاری چاه های جدید در میدان تحت مطالعه استفاده کرد

کلیدواژه ها

عمق بحرانی، ماشین بردار پشتیبان، دسته بند جمعی، حفاری دریایی، هوش مصنوعی

مقالات مرتبط جدید

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.