سعید هاشم زاده کلواری - کارشناسی مهندسی نفت دانشگاه گرمسار

شناسایی Kick در مراحل اولیه به پر سنل زمان بیشتری می دهد تا آن را کنترل کنند و در نتیجه عملیات حفاری ایمن تر و کارآمدتر انجام شود.چهار مدل برای بهینه سازی تشخیص Kick تولید و ارزیابی شده اند: درخت تصمیم گیری، KNN ، SMO و شبکه عصبی مصنوعی. این مدل هابرای تشخیص Kick بر اساس موارد Kick واقعی آموزش دیده اند. مدل ها پیش بینی Kick را فقط با استفاده از پارامترهای سطحی مانند: فشار سنجها، جریان سنج ها، بار قلاب، نرخ نفوذ، گشتاور، جریان خروجی پمپ و وزن روی مته انجام می دهندکه ورودی های ما به شبکه هستند و وقوع یاعدم وقوع Kick داده های خروجی ما از مدل ها می باشند. سپس عملکرد چهار مدل ارزیابی و مقایسه می شود.

داده کاوی،کنترل چاه، Kick ، داده،شبکه های عصبی، هوش مصنوعی، data