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

به کارگیری ماشین بردار پشتیبان SVM در بررسی و تشخیص پدیده گیر رشته حفاری بههمراه تحلیل مؤلفه اصلی جهت بهبود عملکرد

Year: 1395
Publish place:
COI: OGPD03_062
Language: PersianView: 299
This Paper With 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سجاد اسکندریان - دانشجوی کارشناسی ارشد مهندسی نفت دانشگاه صنعتی شاهرود
بهزاد تخم چی - دانشیار دانشگاه صنعتی شاهرود
وامق رسولی - استاد دانشگاه داکوتای شمالی
جهانگیر حمیدی - کارشناس ارشد برنامه ریزی حفاری شرکت مدیریت اکتشاف نفت

Abstract:

یکی از مشکلات رایج صنعت حفاری، پدیده گیر لوله و متعلقات رشته حفاری میباشد که علاوه بر توقف عملیات حفر چاه و اتلاف زمان، گاهاً منجر به از دست رفتن چاه میگردد. در بسیاری از موارد که تلاشها برای آزادسازی رشته حفاری بینتیجه میماند، نیاز به حفر چاه انحرافی از نقطهای بالاتر، صرف هزینه و استفاده از تجهیزات جدید میباشد که همگی از نتایج نامطلوب گیر رشته حفاری خواهد بود. لذا شناسایی این پدیده و عواملو شرایط مؤثر بر آن، میتواند در جلوگیری از وقوع این پدیده مؤثر باشد. در این پژوهش سعی گردیده است تا با بهکارگیری الگوریتم ماشین بردار پشتیبان SVM و استفاده از آن در دستهبندی مجموعه دادههای مرتبط با رخدادهای وقوع یا عدم وقوع گیر لوله، امکان تشخیص این پدیده مورد بررسی قرار گیرد. در کنار این الگوریتم، از تحلیل مؤلفه اصلی PCA که یک روش آماری برای کاهش بعد دادهها میباشد استفاده شده است اطلاعات به کار رفته در این پژوهش از گزارشات روزانه حفاری چاههای یکی از میادین جنوب غربی ایران استخراج گردیده است و شامل اطلاعات عملیات حفاری و سیال حفاری میباشد. از میان پارامترهایی که قابلیت استفاده در مدل را دارند12 پارامتر که بیشترین اثر را بر خروجی داشتند به عنوان ورودی مدل انتخاب شدند. اطلاعات ورودی شامل469 مجموعه داده است که70 مجموعه آن موارد گیر لوله و مابقی موارد عدم وقوع گیر میباشند. الگوریتم ماشین بردار پشتیبان توانست برای دو دسته گیر و عدم گیر در مجموع با دقت94 درصد، دستهها را شناسایی کند که این دقت برای دسته دادههای گیر61/4 درصد بود. جهت بهبود عملکرد این مدل از تحلیل مؤلفه اصلی استفاده شد که نتیجه آن شناسایی دستهها با دقت96/6 درصد در حالت مجموع بود. در این حالت دقت شناسایی دسته دادههای گیر که برای ما از اهمیت بیشتری برخوردار هستند،تا78/6 درصد بهبودیافت

Keywords:

گیرلوله حفاری، ماشین بردار پشتیبان، تحلیل مؤلفه اصلی، گزارشات روزانه حفاری

Paper COI Code

This Paper COI Code is OGPD03_062. 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/483776/

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:
اسکندریان، سجاد و تخم چی، بهزاد و رسولی، وامق و حمیدی، جهانگیر،1395،به کارگیری ماشین بردار پشتیبان SVM در بررسی و تشخیص پدیده گیر رشته حفاری بههمراه تحلیل مؤلفه اصلی جهت بهبود عملکرد،سومین کنفرانس بین المللی نفت،گاز،پالایش وپتروشیمی بارویکردتوسعه ارتباط دولت،دانشگاه وصنعت،Tehran،،،https://civilica.com/doc/483776

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 :

  • Miri, R. Sampaio, J. Afshar, M. Lourenco, A., (2007). "Development ...
  • http : _ etro leumsupport. co m/s tuck-p ipe-on-drilling/ ...
  • Siruvuri, C, Halliburton Digital and Consulting Solutions. Nagarakanti, S. Samuel, ...
  • http ://www. aap gsuez. net/d i frent i al -pipe-sticking. ...
  • Biegler, M. W. and Kuhn, G. R., (1994) _ in ...
  • Shadizadeh, S. R., Karimi, F. and Zo veidavianpoor, M., (2010), ...
  • Hou, H., Li, Zh. Q., Cao, X. I., Song, X. ...
  • Murillo, A., Neuman, J. Samuel, R.. (2009). "Pipe sticking prediction ...
  • Weston, J., "Support Vector Machine and Statistical learning theory Tutorial", ...
  • Qiu, J.. Wang, H., Lu, J., Zhang, B. and Du, ...
  • 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.

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: دانشگاه دولتی
    Paper count: 7,663
    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.

    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