ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

بهینهسازی پارامترهای حفاری جهت انتخاب بهترین مته با استفاده از شبکههای عصبی مصنوعی

Year: 1390
COI: IPEC03_016
Language: PersianView: 630
This Paper With 12 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 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

محسن مهرکی - هیئت علمی دانشگاه آزاد اسلامی واحد فیروزآباد
حسن عاشوری - دانشجوی کارشناسی ارشد مهندسی حفاری و استخراج نفت دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
بابک مرادی - دانشجوی دکترای مهندسی نفت دانشگاه تهران
عبدالنبی هاشمی - هیئت علمی دانشگاه صنعت نفت اهواز

Abstract:

انتخاب بهینه مته حفاری یکی از پارامترهای مهم در فرآیند بهینه سازی عملیات حفاری است. انتخاب بهینه مته حفاری بر اساس عملکرد متههای سابق استفاده شده در چاه میباشد. پارامترهای زیادی در انتخاب مته اثر دارند.ایجاد یک رابطه منطقی بین این پارامترها در فرایند انتخاب مته بسیار مشکل میباشد. از آنجایی که توانایی شبکه عصبی هوشمند در ایجاد رابطه بین متغیرهای زیاد اثبات شده است، لذا به نظر می رسد شبکه هوشمند نتیجه مفیدی را در انتخاب بهینه مته حفاری داشته باشد. در این تحقیق با استفاده از نرم افزارMATLABمدلی که قادر است نوع مته را پیش بینی کند، ساخته میشود. سپس مدل مذکور با استفاده از الگوریتم پس انتشار خطاBP)و شبکه پیشخورFeed–Forward Network)توسعه یافت. پارامترهای حفاری از قبیل اندازه مته، تعداد نازلها و مساحت آنها، وزن روی مته، سرعت چرخش رشته حفاری، سرعت نفوذ لازم، مقدار پمپاژ سیال حفاری و فشار آن، سختی سازند، عمق و وزن گل موجود در چاه به عنوان ورودی مدل و نوع مته بر اساس کد به عنوان خروجی میباشد. با استفاده از دادههای موجود، در ابتدا مدل ساخته و آموزش داده می شود و آنگاه آزمایش و تست میگردد. ضریب همبستگیANNبرای طرح کلی آموزش و خروجی پیش بینی شده، 0.9 است.

Keywords:

انتخاب بهینه مته- شبکههای عصبی مصنوعی- پارامترهای حفاری

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/259992/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مهرکی، محسن و عاشوری، حسن و مرادی، بابک و هاشمی، عبدالنبی،1390،بهینهسازی پارامترهای حفاری جهت انتخاب بهترین مته با استفاده از شبکههای عصبی مصنوعی،سومین کنگره ملی مهندسی نفت،تهران،،،https://civilica.com/doc/259992

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، مهرکی، محسن؛ حسن عاشوری و بابک مرادی و عبدالنبی هاشمی)
برای بار دوم به بعد: (1390، مهرکی؛ عاشوری و مرادی و هاشمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 مPaperقاله لینک شده اند :

  • new approach to dril bit selectio: Paper 4Aه [3] Rabia, ...
  • Hightower, W.J. "Proper selection ofdrill bits and their use.Paper" no. ...
  • Teale, R. 1965. _ concept of specific energy in rock ...
  • Winters, W.J., Warren, T.M., and Onyia, E.C."Roller bit odel with ...
  • Perrin, V.P., Wilmot, M.G., and Alexander, W.L."Drilling index-a new approach ...
  • drila bility- definition, qantification & Formation:ه [7] Wilmot, G.M., Calhoun, ...
  • Bilgesu, H.I., AL-Rashidi, A.F, Aminian, k., and Ameri, S. _ ...
  • Yilmaz, S., Demircioglu, C. and Akin, S. "Application of Artificia1 ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Reviews

    5.00
    2 تعداد پژوهشگران نظر دهنده
    5 2
    4 0
    3 0
    2 0
    1 0

    علم سنجی و رتبه بندی Paper

    مشخصات مرکز تولید کننده این Paper به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 762
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    New Papers

    Share this page

    More information about COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    Support