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

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

Year: 1390
COI: IPEC03_016
Language: PersianView: 733
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

This Paper COI Code is IPEC03_016. 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/259992/

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:
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،3rd Iranian Petroleum Engineering Congress،Tehran،https://civilica.com/doc/259992

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 :

  • 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

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: Azad University
    Paper count: 809
    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