تخمین پارامترهای ژئومکانیکی، تجزیه و تحلیل تنش های برجا، و تعیین پنجره وزن بهینه گل با استفاده از الگوریتم های یادگیری ماشین
محل انتشار: نشریه علمی ژئومکانیک نفت، دوره: 5، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 208
فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IRPGA-5-0_001
تاریخ نمایه سازی: 11 آبان 1401
چکیده مقاله:
نگاره های مربوط به چاه های نفتی تفسیر/پردازش می شوند تا خصوصیات پتروفیزیکی، مکانیکی و ژئومکانیکی درجا را برای سنگ های پیرامون چاه های نفتی تشخیص دهند. اما همه نگاره ها به دلیل هزینه بالا و مشکلات زمین شناسی امکان برداشت امکان پذیر نمی باشد. به طور مثال نگاره های مربوط به کندی موج های صوتی حاوی اطلاعات ژئوفیزیکی و ژئومکانیکی حیاتی برای تعیین مدول های الاستیسیته دینامیکی، مدول یانگ، مدول بالک، مقاومت/آمپدانس صوتی، مدول برشی و نسبت پواسون سنگ های پیرامون در اطراف دیواره چاه هستند. بنابراین در این تحقیق ابتدا دو چاه تصادفی از یکی از میدان های نفتی جنوب ایران برگزیده شد که یکی به عنوان چاه آموزشی جهت تعیین مدل مناسب و دیگری جهت پیش بینی زمان موج های صوتی انتخاب شد. این داده ها با استفاده از طیف وسیعی از روش های یادگیری ماشین و تنظیم فراپارمترها (Hyperparameter Tuning) روی الگوریتم ها، بهترین مدل ها جهت پیش بینی/ تخمین لاگ های صوتی ارائه شد، در این فرایند، از بین روش های رگرسیون، روش k - نزدیک ترین همسایه (KNN) و از بین روش های ترکیبی الگوریتم جنگل تصادفی (Random Forest Regression) و الگوریتم درختان اضافی (Extra Tree Regression) بالاترین ضریب همبستگی را نشان داده اند. درنتیجه الگوریتم درختان اضافی جهت مدل سازی بر روی داده های آموزشی و آزمایشی چاه انجام گرفت. سپس این مدل جهت پیش بینی/سنتز زمان موج های صوتی طولی و برشی چاه هدف بکار گرفته شد. سپس با مقایسه داده های واقعی چاه هدف، مقدار خطای جذر میانگین مربعات و مجذور R به دست آمد. در ادامه با استفاده از روابط پورالاستیک تنش های برجا میدان تعیین شدند و معلوم گردید مخزن سروک و ایلام در رژیم تنش معکوس و مخزن آسماری در رژیم تنش نرمال تا امتدادلغز قرار دارند. در پایان با استفاده از معیارهای مکانیک سنگ بهترین وزن بهینه گل حفاری در چاه مورد مطالعه ارائه شد.
کلیدواژه ها:
روشهای یادگیری ماشین ، Hyperparameter Tuning ، روش k- نزدیک ترین همسایه( KNN) ، روشهای ترکیبی ، Random forest regression ، Extra Tree Regression ، تخمین پارامتر های ژئومکانیکی
نویسندگان
حمید قالیباف محمدآبادی
دانشگاه فردوسی مشهد- گروه زمین شناسی مهندسی- دانشکده علوم
ناصر حافظی مقدس
گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران
غلامرضا لشکری پور
گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران
رئوف غلامی
استاد. دانشگاه منابع انرژی استاونگر نروژ
حسین طالبی
دکتری شرکت نفت جنوب
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 :
