ارائه مدل هوشمند سیستم استنتاج عصبی- فازی تطبیقی به منظور تخمین نرخ نفوذ حفاری در یکی از میادین نفتی ایران
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 112
- 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_EKTESHAF-1398-169_006
تاریخ نمایه سازی: 27 اردیبهشت 1402
چکیده مقاله:
عملیات حفاری یکی از هزینه برترین قسمت های بالادستی در صنایع مختلف نفت و گاز می باشد. از اینرو اهداف اصلی در مهندسی حفاری، بهینه سازی عملیات جهت کاهش زمان حفاری با روش های اقتصادی و در نتیجه کاهش هزینه ها است. تخمین نرخ نفوذ حفاری به دلیل نقش آن در کمینه نمودن هزینه های حفاری برای بهینه سازی عملیات از اهمیت زیادی برخوردار است. تحلیل دادههای میدانی، کلید اصلی کاهش هزینه و بهبود عملیات حفاری بوده و توسعه ابزارهای تحلیل داده ها و ارائه مدلهای پیش بینی، یکی از راه های توسعه و بهبود عملیات حفاری به شمار می رود. هدف اصلی انجام این مطالعه کاربرد سیستم هوشمند جهت تخمین نرخ نفوذ است که بدین منظور یک بانک اطلاعاتی از داده های میدانی از جمله وزن روی مته، سرعت چرخش مته، نرخ گردش گل، افت فشار حفاری، وزن سیال حفاری، عمق حفاری و همچنین نرخ نفوذ از یکی از میادین ایران تهیه گردید. سپس سامانه هوشمند استنتاج عصبی- فازی تطبیقی به منظور تخمین نرخ نفوذ با استفاده از داده های ذکر شده طراحی و ساخته شد. از داده های حفاری و نرخ نفوذ متناظر با آنها در شش چاه میدان مورد مطالعه به عنوان مجموعه ی الگوهای آموزشی برای تشکیل سیستم عصبی-فازی استفاده گردید. انتخاب داده ها نیز به صورت تصادفی صورت گرفت. داده های سه چاه دیگر از میدان مورد بحث (به جز چاه هایی از میدان که از داده های آنها برای آموزش و ساخت سیستم استفاده شد) جهت تخمین نرخ نفوذ وارد سیستم شدند و پس از تخمین نرخ نفوذ متناظر با داده های ورودی، خروجی سیستم با مقادیر واقعی مقایسه گردید. ارزیابی نتایج استفاده از این سامانه نشان داد که ضریب همبستگی خوب و با دقت بالایی برای تخمین نرخ نفوذ حاصل میشود که حاکی از دقت مدل پیش بینی با استفاده از روش عصبی-فازی است.
کلیدواژه ها:
نرخ نفوذ حفاری ، پارامترهای حفاری ، کاهش زمان حفاری ، سامانه های هوشمند ، منطق فازی ، شبکه عصبی مصنوعی ، سیستم استنتاج عصبی- فازی تطبیقی
نویسندگان
محمدامین دزفولیان
پژوهشگاه صنعت نفت
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 :