پیش بینی گیر اختلاف فشاری لوله های حفاری با استفاده از شبکه عصبی مصنوعی احتمالی در حفاری فراساحلی میادین خلیج فارس

Publish Year: 1390
نوع سند: مقاله ژورنالی
زبان: Persian
View: 26

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_PRRIP-21-65_004

تاریخ نمایه سازی: 4 دی 1402

Abstract:

گیر اختلاف فشاری یکی از مسائل رایج و مخاطره آمیز در حفاری می باشد که وقوع آن منجر به افزایش هزینه تمام شده عملیات حفاری می گردد. تلاش برای حداقل سازی خطر گیر لوله حفاری، امروزه یکی از اولویت ها و اهداف اصلی می باشد. در گذشته از روش های آماری برای بررسی گیر اختلاف فشاری استفاده می شد، اما این روش ها نمی توانند به خوبی رفتار غیرخطی گیر اختلاف فشاری را پیش بینی نمایند. شبکه عصبی روش جدیدی برای حل مسائل مهندسی می باشد که توانایی در نظر گرفتن همه پارامترهای موثر به طور هم زمان را دارد و همچنین قدرت تعمیم و یادگیری مستقیم از داده های میدانی (با در نظر گرفتن خطاها و عدم قطعیت ها) را دارا می باشد. در این تحقیق از داده های مربوط به ۶۳ حلقه چاه در میادین فراساحلی خلیج فارس، با به کار گیری شبکه عصبی احتمالی برای ارائه یک مدل پیش بینی کننده، استفاده شده است. دقت بالای این مدل در پیش بینی گیر اختلاف فشاری، این امکان را می دهد که بتوان از آن در زمان طراحی چاه و همچنین حین عملیات به صورت هم زمان بهره جست. تحلیل نتایج شبکه عصبی به همراه قضاوت مهندسی، این اجازه را می دهد که با بهینه سازی پارامترهای موثر، از وقوع گیر اختلاف فشاری اجتناب نمود.

Authors

رضا جهانبخشی

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، باشگاه پژوهشگران جوان

سیدابوالقاسم امام زاده

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، باشگاه پژوهشگران جوان

مهدی علیاری شوره دلی

دانشگاه خواجه نصیرالدین طوسی، گروه مکاترونیک

عبدالنبی هاشمی

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، باشگاه پژوهشگران جوان

رحمان میری

شرکت نفت فلات قاره ایران، بخش پژوهش و توسعه

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 :
  • مراجع[۱] M-I L.L.C. Drilling Fluid Engineering Manual, Version ۲.۰-۴/۰۱, M-I ...
  • Siruvuri C., Nagarakanti S. & Samuel R., “Stuck pipe prediction ...
  • Santos H., “Differentially stuck pipe: early diagnostic and solution”, IADC/SPE ...
  • Wisnie A.P. & Zhu Zh., “Quantifying stuck pipe risk in ...
  • Miri R., Sampaio J., Afshar M. & Lourenco A., “Development ...
  • Murillo A., Neuman J. & Samuel R., “Pipe sticking prediction ...
  • Malallah A. & Nashawi I.S., “Estimating the fracture gradient coefficient ...
  • Salehi S., Hareland G., Khademi Dehkordi K., Ganji M. & ...
  • Ali J.K., “Neural networks: a new tool for the petroleum ...
  • Rabia H., Oilwell drilling engineering: principles and practice, First published, ...
  • Reid P.I., Meeten, G.H., Way, P.W., Clark, P., Chambers, B.D., ...
  • جی.شالکف ر.، ترجمه(جورابیان، م.، زارع، ط.، استوار، ا.)، شبکه های ...
  • منتظر غ.ع.، قدسیان، م.، نصیری، ف.، جوان، م.، اقبالزاده، ا.، ...
  • Demuth H. & Beale M., Neural network toolbox for use ...
  • پیکتن ف.، ترجمه(غضنفری، م.، ارکات، ج.)، شبکه های عصبی(اصول و ...
  • Fawcett T., “An introduction to ROC analysis”, Pattern Recognition Letters, ...
  • Taylor J.R., An introduction to error analysis: the study of ...
  • نمایش کامل مراجع