انتخاب مته حفاری بهینه با استفاده از الگوریتمهای دادهکاوی-مطالعه موردی
Publish place: Journal of Engineering Geology، Vol: 14، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 354
This Paper With 36 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEG-14-3_005
تاریخ نمایه سازی: 10 اردیبهشت 1400
Abstract:
انتخاب بهترین مته در شرایط پیچیده حفاری متناظر بـا آن، یکی از مهمترین موضوعاتی است که در حوزه حفاری وجود دارد. زیرا با وجود اینکه قیمت مته ۲ تا ۳ درصد هزینههای تکمیل یک چاه را در بر میگیرد، اما بر ۷۵ درصد هزینههای کلـی حفـاری بهطور غیرمستقیم تاثیرگذار است. در این تحقیق به مدلسازی انتخاب مته حفاری بهینه با استفاده از چاه نمودارهای (لاگ) مختلف ۷ چاه نفتی موجود در منطقهای در ترکیه پرداخته شد. برای مدلسازی از روشهای دادهکاوی شامل درخت تصمیم، قوانین انجمنی، احتمال بیز، مبتنی بر تشابه و سیستم استنتاجی نروفازی تطبیقی استفاده شد. بدینترتیب که از دادههای شش چاه بهعنوان آموزش مدلها و دادههای یک چاه دیگر بهعنوان دادههای آزمون برای ارزیابی صحت و دقت مدلها استفاده شد. در نهایت نتایج مدلهای مختلف در کنار یکدیگر مقایسه و تحلیل شد. نتایج نشان داد مدل ایجاد شده بهوسیله سیستم استنتاجی نروفازی تطبیقی با اختلاف معناداری از مدلهای ایجاد شده بهوسیله سایر روشها کاراتر و دقیقتر است. اما بدین معنی نیست که سایر روشها کارا نیستند بلکه تحلیل نتایج نشان میدهد دیگر روشها نیز میتوانند مدلی هرچند در کیفیتی پایینتر از مدل سیستم استنتاجی نروفازی تطبیقی اما سودمند و قابل اعتماد ایجاد کنند.
Keywords:
Bit selection , Adaptive neuro fuzzy inference system , K-nearest neighbors , Decision tree , Bayesian classification theory , Association rules , انتخاب مته حفاری , چاهنمودارهای (لاگ) مختلف , سیستم استنتاجی نروفازی تطبیقی , درخت تصمیم , قوانین انجمنی , احتمال بیز , مبتنی بر تشابه
Authors
هادی فتاحی
دانشگاه صنعتی اراک، دانشکده مهندسی علوم زمین، گروه مهندسی معدن
یونس افشاری
دانشگاه صنعتی اراک، دانشکده مهندسی علوم زمین، گروه مهندسی معدن
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :