مدل سازی افت فشار جریانات سه فازی در عملیات حفاری با استفاده از روش های هوشمند

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 126

This Paper With 6 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_EKTESHAF-1398-172_004

تاریخ نمایه سازی: 9 اردیبهشت 1402

Abstract:

فرآیند حفاری یکی از مراحل مهم تولید نفت و گاز است و هزینه زیادی را در بر می گیرد. «حفاری زیر تعادلی» به عنوان یک سیستم جریان چند فازی دارای مزیت هایی از جمله: بهبود کارایی تمیزکاری چاه، محافظت مخزن هیدروکربنی، افزایش در سرعت حفاری و کاهش هزینه ی حفاری است. تخمین صحیح افت­های فشار برای جریان چند فازی داخل «فضای آنولوس» چاه در تعیین قدرت هیدرولیکی مورد نیاز در طی حفاری ضروری است. در این مطالعه با استفاده از داده­های آزمایشگاهی مطالعات قبلی، افت فشار جریان سه فازی «مایع- گاز- جامد» در فضای آنولوس چاه شیب دار، به کمک روش های هوشمند فازی و شبکه عصبی مصنوعی شعاعی تخمین زده شد. داده های موجود به دو دسته آموزش و آزمون روش های هوشمند تقسیم شدند. نتایج نشان می دهد که دو روش طراحی شده، افت فشار را با دقت بسیار خوبی تخمین زده اند. مقادیر عدی ضریب همبستگی بین مقادیر پیش بینی و آزمایشگاهی، برای دو روش شبکه عصبی شعاعی و فازی در داده های آزمون به ترتیب برابر با ۹۸۵/۰ و ۹۸۷/۰ و میانگین قدر مطلق خطای نسبی برای دو روش شبکه عصبی شعاعی و فازی در داده های آزمون به ترتیب برابر با۲۶/۷% و ۲۰/۷% است.

Authors

رضا روکی

دانشگاه صنعتی بیرجند

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 :
  • Zhou, L., Cuttings transport with aerated mud in horizontal annulus ...
  • Ramalho, J., Underbalanced drilling in the reservoir, an integrated technology ...
  • Wang, R., Cheng, R., Wang, H., Bu, Y., Numerical simulation ...
  • Beggs, H. D., and Brill, J. P., A study of ...
  • Ansari, A. M., Sylvester, N. D., Sarica, C., Shoham, O. ...
  • Petalas, N., and Aziz, K., “A mechanistic model for multiphase ...
  • Sadatomi, M., Sato, Y., and Saruwatari, S., Two-phase flow in ...
  • Barnea, D., A unified model for predicting flow-pattern transitions for ...
  • Kelessidis, V.C. and Dukler, A.E., Modeling flow pattern transitions for ...
  • Caetano, E. F., Shoham, O., and Brill, J. P., Upward ...
  • Ozbayoglu, M.E., and Omurlu C., Two-Phase flow through fully eccentric ...
  • Yu, T.T., Zhang, H.Q., Li, M.X., Sarica, C., A., Mechanistic ...
  • Sato, Y., Yoshinaga, T. and Sadatomi, M., Data and empirical ...
  • Naganawa, S., Oikawa., A., Masuda, Y., Yonezawa., Hoshino, M., Acuna, ...
  • Bello, O.O., Modeling particle transport in gas-oil-sand multiphase flows and ...
  • Osgouei, R. E., Determination of cuttings transport properties of gasified ...
  • Bello,‎ O., Holzmann, J., Yaqoob, T., Teodoriu, C, Application of ...
  • Cranganu C., Luchian H., Breaban M. E., Artificial intelligent approaches ...
  • Ozbayoglu, E.M., and Ozbayogl, M.A., Estimating Flow Patterns and Frictional ...
  • Ouaer, H., Gareche, Mourad & Rooki, R., Rheological studies and ...
  • Al-Azani, K., Elkatatny, S., Ali, A., Ramadan, E., Abdulraheem, A., ...
  • Demuth H., Beale M., Neural network toolbox for use with ...
  • Haykin S., Neural networks: A comprehensive foundation, ۱۹۹۹. ۲nd ed. ...
  • Specht D. F., A general regression neural network. IEEE Trans. ...
  • Fuzzy Logic Toolbox. User’s Guide, ۲۰۰۶ ...
  • Sugeno M., Industrial applications of fuzzy control, ۱۹۸۵.Amsterdam, Elsevier Science ...
  • Yagar R.R. and Zadeh L. A., An introduction to fuzzy ...
  • صیاحی، م.، سامانه های فازی، ۱۳۹۱.نشر بوکتاب ...
  • کوره پزان دزفولی، ا.، اصول تئوری مجموعه های فازی و ...
  • نمایش کامل مراجع