مدلسازی نرخ نفوذ حفاری با استفاده از شبکه عصبی مصنوعی مطالعه موردی در یکی از چاه های میدان نفتی آزادگان

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,058

This Paper With 8 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:

ICMSM01_187

تاریخ نمایه سازی: 13 آبان 1393

Abstract:

پیشبینی نرخ نفوذ در صنعت نفت از منظر ارزیابی دقیقتر زمان حفاری و در نتیجه کنترل هزینه های عملیات بسیار حائز اهمیت است. عوامل بسیار زیادی بر نرخ نفوذ حفاری موثر هستند که به طور کلی به عوامل عملیاتی و محیطی تقسیم بندی می شوند. در این تحقیق به جهت کارایی شبکههای عصبی مصنوعی در برقراری ارتباط میان پارامترها از این مدل جهت پیش بینی نرخ نفوذ استفاده گردید. بدین ترتیب در ابتدا با قرار دادن پارامترهای عملیاتی به عنوان ورودی و نرخ نفوذ به عنوان پارامتر هدف به مدلسازی شبکه پرداخته شد. سپس با افزودن خصوصیات ژئومکانیکی دقت مدل مورد نظر ارتقا یافت. نتایج این تحقیق نشان میدهد که افزودن پارامترهای ژئومکانیکی پیشبینی نرخ نفوذ حفاری دقیقتر صورت گرفته و ضریب همبستگی مدل به 0/77 رسید است. لازم به ذکر است که این مدل براساس داده های یکی از چاه های میدان آزادگان در جنوب غربایران توسعه یافته است می تواند در برنامه ریزی دقیق تر حفاری در چاه های منطقه نقش قابل توجهی ایفا کند.

Authors

سینا نوروزی بزمین آبادی

دانشجوی کارشناسی ارشد مکانیک سنگ، دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود

احمد رمضان زاده

استادیار دانشکده معدن، نفت و ژئوفیزیک دانشگاه شاهرود و مدیر گروه ژئومکانیک نفت پژوهشکده ذخیره سازی مواد نفت و گاز دانشگاه شاهرود

سید محمد اسماعیل جلالی

دانشیار دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود

بهزاد تخم چی

کارشناس ارشد شرکت مهندسی و توسعه نفت (متن)، تهران