Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پی شبینی سرعت حفاری با استفاده از شبکه های عصبی مصنوعی در چاه های میدان مارون

Year: 1400
COI: OILBCNF05_008
Language: PersianView: 81
This Paper With 11 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سیاوش عاشوری - عضو هیئت علمی مهندسی نفت، دانشکده نفت اهواز، دانشگاه صنعت نفت
فاطمه خلیلی - کارشناس ارشد مهندسی نفت، دانشکده شیمی نفت و گاز، دانشگاه سمنان
رضا دانشفر - دانشجوی دکتری مهندسی نفت، دانشکده نفت اهواز، دانشگاه صنعت نفت

Abstract:

کارایی عملکرد مته یکی از مهم ترین عوامل تاثیرگذار بر هزینه های عملیات حفاری هست. انتخاب مته مناسب برای هر چاه کلید موفقیت برای افزایش سرعت حفاری و کاهش هزینه ها هست. عوامل متعددی بر کارایی مته حفاری تاثیرگذار بوده و روش های مختلفی نیز برای پیش بینی آن وجود دارد که برخی از آنها عبارت اند از: استفاده از روش تحلیلی، مدل های عددی و مدل های هوش مصنوعی. در سال های اخیر شبکه های عصبی به پیشرفت های قابل توجهی در برخی پروژه های مطالعاتی صنایع نفت و گاز دست یافته است و کارکردهای مفیدی از آن به ویژه در حوضه مهندسی مخازن به اثبات رسیده است. کاربرد شبکه های عصبی بیشتر مربوط به مواردی است که یا داده های کمی در اختیار است (که یا ناشی از فقدان داده ها و یا هزینه بر بودن به دست آوردن آنها است) یا به دست آوردن رابطه مناسب بین پارامترهای مختلف بسیار دشوار است. در این تحقیق با استفاده از تکنیک شبکه های عصبی نوع Feed Forward و آموزش آنها به روش توزیع معکوس خطا، مقدار نرخ نفوذ مته حفاری را در چاه هایمیدان مارون با در نظر گرفتن اثرات ۲۵ پارامتر، تخمین زده به طوری که جهت آموزش و ارزیابی اعتبار شبکه از داده های ۳۰ حلقه چاه در بخش های مختلف میدان استفاده شده است. همچنین نشان داده شد که بهترین توپولوژی را شبکه ای با تعداد ۳۶ نرون ارائه کرده است. آنالیز خروجی های شبکه عصبی نتایج بسیار رضایت بخشی برای مقادیر نرخ نفوذ بین ۱ تا ۱۰ متر بر ساعت را نشان می دهند که دلیل آن نیز آموزش مناسب شبکه عصبی در این محدوده از داده های ورودی است. مقایسه نتایج به دست آمده از خروجی شبکه های عصبی با مقادیر واقعی نشان داد که استفاده از شبکه های عصبی می تواند راهکاری مناسب برای ارزیابی کارایی عملکرد مته های حفاری در این میدان باشد.

Keywords:

Paper COI Code

This Paper COI Code is OILBCNF05_008. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1369007/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
عاشوری، سیاوش و خلیلی، فاطمه و دانشفر، رضا،1400،پی شبینی سرعت حفاری با استفاده از شبکه های عصبی مصنوعی در چاه های میدان مارون،Fifth International Conference on Technology Development in Oil, Gas, Refining and Petrochemicals،Tehran،https://civilica.com/doc/1369007

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 2,135
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support