مدلسازی نرخ نفوذ حفاری با استفاده از شبکه عصبی مصنوعی مطالعه موردی در یکی از چاه های میدان نفتی آزادگان
محل انتشار: کنفرانس ملی علوم معدنی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,072
فایل این مقاله در 8 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:
ICMSM01_187
تاریخ نمایه سازی: 13 آبان 1393
چکیده مقاله:
پیشبینی نرخ نفوذ در صنعت نفت از منظر ارزیابی دقیقتر زمان حفاری و در نتیجه کنترل هزینه های عملیات بسیار حائز اهمیت است. عوامل بسیار زیادی بر نرخ نفوذ حفاری موثر هستند که به طور کلی به عوامل عملیاتی و محیطی تقسیم بندی می شوند. در این تحقیق به جهت کارایی شبکههای عصبی مصنوعی در برقراری ارتباط میان پارامترها از این مدل جهت پیش بینی نرخ نفوذ استفاده گردید. بدین ترتیب در ابتدا با قرار دادن پارامترهای عملیاتی به عنوان ورودی و نرخ نفوذ به عنوان پارامتر هدف به مدلسازی شبکه پرداخته شد. سپس با افزودن خصوصیات ژئومکانیکی دقت مدل مورد نظر ارتقا یافت. نتایج این تحقیق نشان میدهد که افزودن پارامترهای ژئومکانیکی پیشبینی نرخ نفوذ حفاری دقیقتر صورت گرفته و ضریب همبستگی مدل به 0/77 رسید است. لازم به ذکر است که این مدل براساس داده های یکی از چاه های میدان آزادگان در جنوب غربایران توسعه یافته است می تواند در برنامه ریزی دقیق تر حفاری در چاه های منطقه نقش قابل توجهی ایفا کند.
کلیدواژه ها:
نویسندگان
سینا نوروزی بزمین آبادی
دانشجوی کارشناسی ارشد مکانیک سنگ، دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
احمد رمضان زاده
استادیار دانشکده معدن، نفت و ژئوفیزیک دانشگاه شاهرود و مدیر گروه ژئومکانیک نفت پژوهشکده ذخیره سازی مواد نفت و گاز دانشگاه شاهرود
سید محمد اسماعیل جلالی
دانشیار دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
بهزاد تخم چی
کارشناس ارشد شرکت مهندسی و توسعه نفت (متن)، تهران