ارزیابی بریک-آوت با معیار خرابی موگی-کولمب، به عنوان روشی برای تخمین تنش های برجا
محل انتشار: نشریه علمی ژئومکانیک نفت، دوره: 4، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 153
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IRPGA-4-1_006
تاریخ نمایه سازی: 22 شهریور 1401
چکیده مقاله:
تعیین جهت و مقدار تنش های برجا به عنوان اساسی ترین پارامتر مورد نیاز برای ارزیابی پایداری دیواره گمانه بسیار با اهمیت هستند. یکی از روش ها برای تعیین جهت و مقدار تنش های برجا، پدیده ی بریک-آوت گمانه است. پدیده ی بریک-آوت گمانه که منجر به خرابی و ریزش جدار گمانه حفاری شده می شود، ناشی از افزایش تنش برشی به علت تمرکز تنش فشاری در پیرامون گمانه است. در این مقاله با تلفیق روابط تنش پیرامون گمانه بر پایه تئوری الاستیسیته با معیار خرابی موگی-کولمب عرض و عمق خرابی بدست آمد. سپس حداقل فشار سیال داخل گمانه برای جلوگیری از خرابی دیواره گمانه مورد ارزیابی قرار گرفت و همچنین تاثیر مشخصات فیزیکی مصالح، نسبت تنش های برجا و فشار سیال بر روی ابعاد بریک-آوت بررسی شد. در بخش دوم مقاله برای ماسه سنگ انتخابی۲۱۵ تحلیل بریک- آوت برای مشخصات مکانیکی و تنش های برجای مختلف انجام شد. هدف این مقاله ارزیابی ارتباط بین عرض و عمق خرابی می باشد. ضریب همبستگی بین عرض و عمق خرابی با استفاده از رگرسیون ساده خطی R=۰.۷۴بدست آمد همچنین بر اساس روش برنامه ریزی بیان ژن (GEP) مقدار ضریب همبستگی R=۰.۸۲ نتیجه شد. این بدین معنی است که همبستگی متوسط تا زیادی بین این دو پارامتر وجود دارد و اگر قرار باشد مقادیر تنش برجای σ_h و σ_H را بر اساس هندسه بریک- آوت بدست آورد، با توجه به همبستگی بالای عرض و عمق خرابی فقط می توان یکی از این دو تنش را بدست آورد.
کلیدواژه ها:
Mogi-Coulomb ، Borehole breakout ، Gene expression programming ، width and depth of failure zone ، in-situ stress
نویسندگان
علی لکی روحانی
Civil Engineering Department, University of Zanjan
محمد بهره دار
Civil Engineering Department, University of Zanjan
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :