ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

بهبود نرخ نفوذ حفاری به کمک روش‌های هوش مصنوعی

Year: 1391
COI: ETEC02_050
Language: PersianView: 898
This Paper With 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

حجت طریفی - دانشجوی کارشناسی ارشد حفاری، دانشگاه خلیج فارس بوشهر
عباس خاکسار منشاد - استادیار مهندسی نفت، دانشگاه خلیج فارس بوشهر
حبیب رستمی - استادیار مهندسی کامپیوتر، دانشگاه خلیج فارس بوشهر

Abstract:

یک عملیات حفاری موفق، دارای نرخ نفوذ بالای حفاری، بدون هیچگونه مشکلات حفاری است. تعداد زیادی از فاکتورها از قبیل هزینه، ایمنی و تکمیل چاه، به روند بهینه سازی حفاری بستگى دارند. در عملیات حفاری نرخ نفوذ، عامل اصلى بهینهسازی است. نرخ نفوذ به عواملی از قبیل نوع مته، خصوصیات سازند، وزن روی مته سرعت چرخش رشته حفاری و خصوصیات گل بستگی دارد. فرآیند بهینهسازی، با استفاده از پارامترهای قابل کنترل و موثر بر نرخ نفوذ، همانند نوع مته، وزن روی مته، سرعت چرخش رشته حفاری و خصوصیات گل صورت میپذیرد. نوشته حاضر دستیابی به پارامترهای بهینه در یک میدان نفتی، واقع در جنوب غربی ایران را دنبال میکند. در این پروژه برای بهینهسازی عملیات حفاری از روشهای هوش مصنوعی استفاده کردهایم، به گونهای که ابتدا دو مدل به کمک شبکههای عصبی برای تعیین نوع مته و نرخ نفوذ توسعه یافتند، سپس ورودیهای مدل دوم توسط الگوریتم ژنتیک برای دستیابی به حداکثر نرخ نفوذ، بهینه میشوند. ضریب همبستگی برای پیشبینی نوع مته و نرخ نفوذ در مرحلهی تست، به ترتیب 0/984 و 0/962 بدست آمد.

Keywords:

بهینه سازی نرخ نفوذ حفاری، پیش بینی مته حفاری، شبکه عصبی مصنوعی، الگوریتم ژنتیک، انتخاب پارامترهای حفاری بهینه

Paper COI Code

This Paper COI Code is ETEC02_050. 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/222324/

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:
طریفی، حجت و خاکسار منشاد، عباس و رستمی، حبیب،1391،بهبود نرخ نفوذ حفاری به کمک روش‌های هوش مصنوعی،Emerging Trends in Energy Conservation - ETEC،Tehran،،،https://civilica.com/doc/222324

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 :

  • (5) S.N.Siva nandam . S.N.Deepa, Introduction to Genetic Algorithms, Spri ...
  • (1) S. Edalatkhah, R. Rasoul , A. Hashemi Petroleum University ...
  • (2) Serkan Yilmaz, Cem Demircioglu, Serhat Akin, Application of artificial ...
  • (3) Adam T.Bourgoyne Jr, Keith K.Millheim, Martin E.Chenevert, F.s.Young Jr, ...
  • (4) Howard Demuth Mark Beale, Neural Network Toolbox For Use ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

    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: 3,252
    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.

    مقالات پیشنهادی مرتبط

    New Papers

    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