کاربرد شبکه های عصبی در پیش بینی گیر لوله های حفاری در میدان کیش

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 728

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IPEC03_104

تاریخ نمایه سازی: 7 تیر 1393

Abstract:

عملیات حفاری فرآیندی دشوار و پرهزینه میباشد که می توان به مشکلات و دشواری هایی نظیر فوران چاه های نفت و گاز، هرزروی های شدید، بریدن رشته ی حفاری و گیر لوله های حفاری اشاره کرد؛ که با واکنش سریع وصحیح نسبت به هر رخداد و یا پیش بینی آن می توان احتمال وقوع آن را کاهش داد. اخیراً کاربرد و استفاده موفقیت آمیز از شبکه های عصبی( هوش مصنوعی) در صنایع نفت رواج زیای پیدا کرده است و موجب شده تا ازاین شبکه جهت پیش بینی گیر لوله های حفاری نیز استفاده گردد، در این مقاله بکارگیری شبکه های عصبی( هوش مصنوعی) در جهت پیش بینی مشکل گیر رشته ی حفاری در میدان کیش مورد بررسی قرار گرفته است در این مقاله از شبکه عصبی مصنوعی نوعMultilayer perceptronو آموزش شبکه بر اساسLevenberg Marquaبرای پیش بینی گیر رشته حفاری ناشی از عوامل مختلفی چون اختلاف فشاری ، تنگی چاه ، هیدرولیک ضعیف گل حفاری ، آرایش نامناسب رشته حفاری ،کیک گل حفاری به همراه تاثیرات عوامل زمین شناسی در حین عملیات حفاری استفاده شده است . نتایج به دست آمده نشان می دهد که شبکه های عصبی می توانند با دقت بسیار خوبی گیر رشته حفاری را در شرایط گوناگون پیش بینی کرده و همچنین راه کار مناسبی برای حل این مشکل در صنعت حفاری است

Keywords:

پیش بینی گیر لوله های حفاری , کاربرد شبکه عصبی مصنوعی , کاربرد هوش مصنوعی

Authors

علیرضا ردایی

هیئت علمی دانشگاه صنعتی مالک اشتر تهران و مدرس دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد

حمیدرضا خوشایند

مدیریت امورمهندسی شرکت ملی حفاری ایران

عبدالرحمن علیمحمدی

مدیریت امورمهندسی شرکت ملی حفاری ایران

سیامک پزشک زاد

مدیریت امورمهندسی شرکت ملی حفاری 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 :