مدلسازی سرعت حفاری در سنگ های سخت به دو روش ریاضی و شبکه عصبی مطالعه موردی ناحیه زمین گرمایی مشکین شهر
Publish place: The first national conference on the application of new technologies and methods in earth sciences
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,510
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
EARTHCO01_028
Index date: 18 November 2012
مدلسازی سرعت حفاری در سنگ های سخت به دو روش ریاضی و شبکه عصبی مطالعه موردی ناحیه زمین گرمایی مشکین شهر abstract
در چندین دهه اخیر اهمیت بهینه سازی عملیات حفاری به طور جدی مورد توجه قرار گرفته است. برای انجام بهینه سازی ارائه مدلی که بتواند سرعت حفاری را با توجه به پارامتر های موثر بر آن تخمین بزند بسیار حائز اهمیت است. کاربرد عمده این مدل درپیش بینی هزینه های عملیات حفاری و تعیین بهینه بار روی مته و سرعت گردش مته است. در این مطالعه هدف بررسی پارامتر های مربوط به حفاری در سنگ های سخت و رابطه آنها با سرعت حفاری می باشد. برای این منظور از اطلاعات سه چاه اکتشافی NWS1 NWS و 4 NWS3 مربوط به پروژه استحصال انرژی زمین گرمایی در منطقه آتشفشانی سبلان واقع در استان اردبیل استفاده شده است. با توجه به تعداد زیاد عوامل موثر بر سرعت حفاری، جهت انجام مدلسازی از شبکه های عصبی و روش ریاضی رگرسیون چند متغیره استفاده شده است، سپس نتایج بدست آمده از هر روش باهم مقایسه شده و نقاط ضعف و قوت هر کدام از روش ها مورد بررسی قرار گرفته است. پارامتر های ورودی مدل ها عمق، بار روی مته، دور مته، وزن گل حفاری، اندازه چاه و نوع سنگ ها می باشد، هدف یافتن روابط و الگو های پیچیدهی موجود بین پارامتر های ورودی و سرعت حفاری می باشد
مدلسازی سرعت حفاری در سنگ های سخت به دو روش ریاضی و شبکه عصبی مطالعه موردی ناحیه زمین گرمایی مشکین شهر Keywords:
مدلسازی سرعت حفاری در سنگ های سخت به دو روش ریاضی و شبکه عصبی مطالعه موردی ناحیه زمین گرمایی مشکین شهر authors
هادی شاکری
دانشجوی کارشناسی ارشد دانشگاه صنعتی امیرکبیر
بهنام طالبی
کارشناس سازمان انرژیهای نو ایران
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 :