تجزیه و تحلیل حساسیت عوامل کنترل کننده دمای هات اسپات سیمان و عمق چاه مربوطه با استفاده از شبیه سازی CFD

در این تحقیق رویکردی نوآورانه برای ترکیب یادگیری ماشین و شبیه سازی CFD برای پیشبینی و بهینه سازی دمای و عمق نقطه داغ در سیمانکاری چاه ارائه شده است. هدف این تحقیق توسعه مدلهای یادگیری ماشین برای پیش بینی دقیق دمای و عمق نقطه داغ با در نظر گرفتن پنج متغیر عملیاتی کلیدی (عمق، شیب زمین گرمایی اندازه لوله جداری اندازه چاه نرخ جریان بود دو روش یادگیری ماشین برای توسعه مدلها استفاده شد. رگرسیون خطی چندگانه مجموعه داده شبیه سازی شده برای آموزش مدلهای MLR دما و عمق نقطه داغ استفاده شد. یک ANN با ۱۵ نرون در لایه پنهان و تابع انتقال تانژانت سیگموئید برای پیش بینی دمای و عمق نقطه داغ نیز به کار رفت. هر دو روش MLR و ANN در پیشبینی دمای و عمق نقطه داغ نتایج قابل قبولی ارائه دادند. مدل ANN در تخمین عمق نقطه داغ و دقت آن دقت بیشتری داشت. تحلیل نشان داد که اندازه لوله جداری و اندازه چاه بیشترین تاثیر را بر دمای و عمق نقطه داغ دارند. افزایش اندازه لوله جداری و شیب زمین گرمایی منجر به افزایش دمای و عمق نقطه داغ میشود و افزایش اندازه چاه و نرخ جریان باعث کاهش دمای و عمق نقطه داغ می گردد.

کلیدواژه ها:

سیمانکاری چاه ، پیش بینی نقطه داغ ، یادگیری ماشین ، شبیه سازی CFD