کاربرد سیستم استنتاج تطبیقی فازی_عصبی در پیش بینی درجه فرسایش مته حفاری

سال انتشار: 1394
محل انتشار: سومین همایش ملی نفت و گاز و صنایع وابسته
کد COI اختصاصی: NIPC03_004
زبان مقاله: فارسی
تعداد مشاهده: 577

نویسندگان

کارشناسی ارشد حفاری و بهره برداری دانشگاه صنعتی شاهرود

دکتری لرزه نگاری دانشگاه صنعتی شاهرود

چکیده

پیش بینی صحیح و قابل اعتماد شرایط فرسایش مته درون چاه تاثیر بسزایی در نرخ نفوذ حفاری دارد بنابراین طراحی مدل های مبتنی بر منطق فازی نسبت به شبکه عصبی میتواند در کاهش زمان هزینه و تصمیم گیری های بلادرنگ بسیار کمک کننده باشد در این مطالعه سعی شده است تا با استفاده از سیستم استنتاج تطبیقی فازی عصبی مدلی ساخته شود که بدرستی درجه فرسایش دندانه های مته را پیش بینی کند.در طراحی این مدل از داده های مربوط به مته های مخروطی سی چاه حفاری در یکی از میدان های جنوبی ایران استفاده شده است پارامتر های ورودی طراحی عبارتند از نوع مته سایز مته عمق ورودی عمق خروجی زمان حفاری نرخ نفوذ وزن روی مته سرعت چرخش دبی پمپ با توجه به ضریب همبستگی بدست آمده به مقدار 0/97731 از داده های آزمایش که گویای نزدیکی مقادیر پیش بینی شده توسط مدل به مقادیر واقعی سر چاه می باشد میتوان این مل را بنا بر استفاده از داده های کمتر و دقت مطلوب تر مدلی قابل اعتماد و البته کاربردی تر نسبت به مدل های شبکه عصبی با الگوریتم های آموزشی مبتنی بر گرادیان در صنعت دانست

کلیدواژه ها

منطق فازی-شبکه عصبی-فرسایش مته-ضریب همبستگی-سیستم استنتاج تطبیقی فازی-عصبی انفیس

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.