کاربرد پردازش زبان طبیعی و یادگیری ماشین در مدیریت و یکپارچه سازی داده های عملیات حفاری
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 789
This Paper With 14 Page And PDF and WORD 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:
شناسه ملی سند علمی:
OGPH04_029
تاریخ نمایه سازی: 15 بهمن 1398
Abstract:
فاز طراحی و تحلیل عملیات حفاری یکی از بخش های مهم در حفاری چاه های نفت و گاز است که به داده های زیادی نیز نیاز دارند. گزارش های روزانه حفاری یکی از رایج ترین گزارش ها برای عملیات انجام شده به همراه جزئیات آن ها در روز است که این گزارش ها حتی برای چاه های قدیمی نیز موجود هستند. در نتیجه این گزارشها منبع بسیار خوبی برای تحلیل عملیات خواهند بود. برای بدست آوردن اطلاعات مناسب از این گزارش ها، نیاز به بررسی تک تک آن ها و صرف زمان نسبتا زیادی است. در این پژوهش روشی برای دسته بندی توضیحات موجود در گزارش های روزانه حفاری و جداسازی داده های مفید از آن ها با استفاده از پردازش زبان طبیعی و یادگیری ماشین ارائه شده است. مدل توسعه داده شده در این پژوهش با استفاده از 59،831 سطر داده که حاوی متن های داخل گزارش حفاری بوده، آموزش و ارزیابی شد و بهترین نتیجه با استفاده از روش TF-IDF برای استخراج ویژگی و روش SVM برای دسته بندی فعالیت ها با دقت حدود 89 درصد حاصل شد. با توجه به دقت قابل قبول این مدل در تشخیص نوع فعالیت و دقت قابل قبول در جداسازی پارامترها از میان متن، میتوان استفاده از مورد پرداخته شده در این پژوهش را در سیستم های مدیریت داده پیشنهاد نمود و به نوعی به این داده ها در کمترین زمان ممکن ارزش افزوده داد.
Keywords:
حفاری - گزارش روزانه حفاری - مدیریت داده - یادگیری ماشین - پردازش زبان طبیعی
Authors
محمود محرابی جیرهنده
معاون فنی شرکت مهندسی مشاور حفاری و تکمیل چاه دستان سام
محمد فضائلی زاده
عضو هیئت علمی گروه مهندسی نفت، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس ایران