مطالعه عملکرد شبکه های عصبی مصنوعی MPLو RBF در پیش بینی میزان گیر کردن لوله ها در حفاری دریایی یکی از میادین نفتی ایران

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 213

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ATEMCONF01_027

تاریخ نمایه سازی: 27 تیر 1402

چکیده مقاله:

یکی از مشکلات پرهزینه و وقت گیر عملیات حفاری، وقوع پدیده گیر رشته حفاری است. عملیات حفاری چاه های نفت و گاز مشکلات زیادی را به همراه دارد، رفع این مشکلات نقش مهمی در ادامه حفر چاه ها و پیشبرد این صنعت عظیم دارد.عوامل بسیار زیادی باعث بروز گیر لوله ها می شوند. در حال حاضر مهندسین حفاری فقط از رو شهای قدیمی و تجربی قادرند تا حدودی شرایط گیر لول هها را تشخیص داده و آنها را رفع کنند. در سا لهای اخیر بحث استفاده از شبکه های عصبی یا هوش مصنوعی رواج زیادی پیدا کرده است.در گیر لوله ها اگر اقدامی سریع و مناسب صورت نپذیرد و گیر رشته ها آزاد نشود، خسارت های مالی زیادی را به همراه خواهد داشت. بنابراین پیش بینی گیر لوله ها بخصوص در میادین دریایی از اهمیت خاصی برخوردار است. دراین پایان نامه اثر ۲ پارامتر مرتبط با حفاری (فشار دیفرانسیلی و عمق چاه) و ۷ پارامتر مربوط به سیال حفاری (؛ نرخ هرزوری سیال، درصد مواد جامد، ویسکوزیته فیلترات سیال حفاری، پلاستیک ویسکوزیته، نقطه تسلیم، مقاومت ژلی اولیه و مقاومت ژلی بعد از ۱۰ دقیقه) روی میزان گیر دیفرانسیلی لوله های حفاری در ۷ میدان واقع در خلیج فارس مورد ارزیابی قرار می گیرد. جهت تشخیص رابطه پیچیده میان این پارامترها و گیر لوله ها از شبکه های عصبی مصنوعی پرسپترون چند لایه و شعاعی پایه استفاده می شود. شبکه های عصبی با الگوبرداری از ذهن انسان قادرند تا این رابطه پیچیده و مبهم را شناسایی کرده و در نهایت به پیش بینی تابع هدف مسئله (گیر دیفرانسیلی لوله ها) در سایر حالات دیگر بپردازند. در این راستا از الگوریتم های ازدحام ذرات (PSO) و رقابت استعماری (ICA) و ژنتیک الگوریتم (GA) به عنوان الگوریتم آموزش در هر دو شبکه استفاده خواهد شد.

نویسندگان

محمدجواد منصوری

کارشناسی ارشد مهندسی نفت، واحد امیدیه، دانشگاه آزاد اسلامی، تهران ایران مهندسی ساختمان و صنایع نفت(OIEC)، شرکت تامین دکل صبا(SRP)

سجاد مظفری

مهندسی ساختمان و صنایع نفت(OIEC)، شرکت تامین دکل صبا(SRP) نماینده دانشجویی انجمن زمین شناسی و مهندسی اروپا (EAGE) عضو انجمن نفت آمریکا (SPE) باشگاه پژوهشگران جوان و نخبگان، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران- دانشجوی دکترای مهندسی نفت،

محمد بهنود

گروه مهندسی نفت، دانشکده مهندسی شیمی و نفت، واحد علوم و تحقیقات، دانشگاه آزاداسلامی، تهران، ایران

آرمین حسینیان

باشگاه پژوهشگران جوان و نخبگان، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران دکترای مهندسی نفت، دانشکده مهندسی نفت ، دانشگاه کرتین استرالیا - فوق دکتری )دانشگاه بریتیشکلمبیا، کانادا(- گروه مهندسی نفت، دانشکده مهندسی شیمی و نفت، واحد علوم و تحقیق

شایان امیری

دانشجوی دکترای مهندسی نفت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

سیدجمال شیخ ذکریایی

باشگاه پژوهشگران جوان و نخبگان، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران،گروه مهندسی نفت، دانشکده مهندسی شیمی و نفت، واحد علوم و تحقیقات، دانشگاه آزاداسلامی، تهران، ایران