پیش بینی مقدار هرزروی سیال حفاری در چاههای نفت دریکی از میادین نفتی ایران با استفاده از هوش مصنوعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 755

فایل این مقاله در 7 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:

OGPCONF01_119

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

هرزروی گل حفاری تابع عوامل بسیار زیادی می باشد که مدل کردن همه آنها مشکل است.استفاده از تکنیک های هوش مصنوعی که در شبیه سازی فرایند های پیچیده تواناست، بسیار مؤثراست. دراین مقاله بااستفاده از شبکه های عصبی مصنوعیهرزروی سیال حفاری درچاههای نفت وگازموردبحث وبررسی قرارگرفته است. شبکه ی طراحی شده دارای 15 لایه بوده که هر یک دارای 15 نرون بوده لایه ی اول تابع لاگسیگ و 13 لایه یبعدی تانسیگ ولایه ی آخر پیورلاین می باشد. پیش بینی های حاصل سازگاری نسبتا خوبی بامیزان هرزروی واقعی موجود در گزارش های روزانه حفاری را نشان می دهد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، حفاری چاه های نفت و گاز ، هرزروی سیال حفاری ، پیشبینی هرزروی

نویسندگان

حامد پیامنی

مدرس دانشگاه آزاد اسلامی واحد قشم

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 :
  • .1 McCulloch, Warren; Walter Pitts (1943). "A Logical Calculus of ...
  • .2 Roman M. Balabin, Ekaterina I. Lomakina (2009). "Neural network ...
  • .3 Ganesan, N. (2003) "Application of Neural Networks in Diagnosing ...
  • .4 Bottaci, Leonardo. (1998) "Artificial Neural Networks Applied to Outcome ...
  • .5 Hebb, Donald (1949). The Organization of Behavior. New York: ...
  • .6 Majidi, R., Miska, S.Z, Yu, M., Thompson, L.G., Zhang, ...
  • .7 Majidi, R., S.Z., Miska, Yu, M., Thompson, L.G.(2008), : ...
  • نمایش کامل مراجع