محاسبه پنجره بهینه وزن گل حفاری با استفاده از روش های یادگیریماشین
Publish place: 4th Biennial Oil, Gas, and Petrochemical Conference|OGPC|
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 352
- 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:
OGPC04_005
تاریخ نمایه سازی: 25 اردیبهشت 1402
Abstract:
یکی از پارامترهای قابل کنترل جهت جلوگیری از ناپایداری چاه وزن گل حفاری می باشد. از این رو برای محاسبه اینمهم, به طور معمول از ساخت مدل زمین مکانیکی یک بعدی توسط داده های بدست آمده از نگارهای چاه پیماییاستفاده می شود. این درحالی است که استفاده از گزارش روزانه بدست آمده در طی عملیات حفاری نسبت به داده هایبدست آمده از چاه پیمایی, علاوه بر صرفه جویی در وقت, از صرفه اقتصادی نیز برخوردار است. در این پژوهش بهمحاسبه پنجره ایمن گل حفاری با استفاده از گزارش روزانه حفاری و نیز تخمین آن با استفاده از روش های نوین هوشمصنوعی از جمله شبکه عصبی مصنوعی ANN و نیز برنامه ریزی ژنتیک چند ژنه MGGP پرداخته شده است.داده های حفاری بکار برده شده شامل نرخ ورودی گل، نرخ خروجی گل، نرخ جریان و گردش بر دقیقه است. براساسمطالعه حاضر نتایج نشان می دهد که الگوریتم MGGP و ANN به ترتیب بالاترین عملکرد در تخمین breakdown وbreakout ارائه می دهند. نحوه ی مقایسه هر کدام از مدل ها با یکدیگر به تفصیل در متن ارائه شده است.
Keywords:
Authors
پریرخ ابراهیمی همتعلی کیخا
دانشجوی مقطع کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس
محمد رسول دهقانی
دانشجوی مقطع کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس
معین کافی
دانشجوی مقطع کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس
فاطمه محمدی نیا
دانشجوی مقطع کارشناسی مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس
علی رنجبر
دانشجوی مقطع کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس