بهبود نرخ نفوذ حفاری به کمک روشهای هوش مصنوعی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,874
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ETEC02_050
تاریخ نمایه سازی: 28 آذر 1392
چکیده مقاله:
یک عملیات حفاری موفق، دارای نرخ نفوذ بالای حفاری، بدون هیچگونه مشکلات حفاری است. تعداد زیادی از فاکتورها از قبیل هزینه، ایمنی و تکمیل چاه، به روند بهینه سازی حفاری بستگى دارند. در عملیات حفاری نرخ نفوذ، عامل اصلى بهینهسازی است. نرخ نفوذ به عواملی از قبیل نوع مته، خصوصیات سازند، وزن روی مته سرعت چرخش رشته حفاری و خصوصیات گل بستگی دارد. فرآیند بهینهسازی، با استفاده از پارامترهای قابل کنترل و موثر بر نرخ نفوذ، همانند نوع مته، وزن روی مته، سرعت چرخش رشته حفاری و خصوصیات گل صورت میپذیرد. نوشته حاضر دستیابی به پارامترهای بهینه در یک میدان نفتی، واقع در جنوب غربی ایران را دنبال میکند. در این پروژه برای بهینهسازی عملیات حفاری از روشهای هوش مصنوعی استفاده کردهایم، به گونهای که ابتدا دو مدل به کمک شبکههای عصبی برای تعیین نوع مته و نرخ نفوذ توسعه یافتند، سپس ورودیهای مدل دوم توسط الگوریتم ژنتیک برای دستیابی به حداکثر نرخ نفوذ، بهینه میشوند. ضریب همبستگی برای پیشبینی نوع مته و نرخ نفوذ در مرحلهی تست، به ترتیب 0/984 و 0/962 بدست آمد.
کلیدواژه ها:
بهینه سازی نرخ نفوذ حفاری ، پیش بینی مته حفاری ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک ، انتخاب پارامترهای حفاری بهینه
نویسندگان
حجت طریفی
دانشجوی کارشناسی ارشد حفاری، دانشگاه خلیج فارس بوشهر
عباس خاکسار منشاد
استادیار مهندسی نفت، دانشگاه خلیج فارس بوشهر
حبیب رستمی
استادیار مهندسی کامپیوتر، دانشگاه خلیج فارس بوشهر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :