جستجوی مقالات مرتبط با کلیدواژه "graphical software" در نشریات گروه "مهندسی شیمی، نفت و پلیمر"
تکرار جستجوی کلیدواژه «graphical software» در نشریات گروه «فنی و مهندسی»جستجوی graphical software در مقالات مجلات علمی
-
مجله پژوهش نفت، پیاپی 101 (مهر و آبان 1397)، صص 112 -125پیشبینی نرخ نفوذ حفاری بهدلیل نقش آن در به حداقل رساندن هزینه های حفاری برای بهینهسازی حفاری از اهمیت زیادی برخوردار است. تحلیل اطلاعات میدانی، عنصر اصلی کاهش هزینه و بهبود عملیات حفاری بوده و توسعه ابزارهای تحلیل اطلاعات میدانی و ارائه مدل های پیش بینی، یکی از راههای توسعه و بهبود عملیات حفاری به شمار میرود. هنگامی که یک سیستم حفاری مستقر شد، تنها تعداد پارامترهای محدودی هستند که قابل کنترل و تغییر هستند؛ لذا موفقیت آمیز بودن طرح های حفاری به میزان زیادی به پیشبینی عملکرد حفاری وابسته است. هدف اصلی انجام این تحقیق کاربرد شبکه های هوشمند و ارائه ابزارهایی گرافیکی برای پیش بینی نرخ نفوذ حفاری است که بدین منظور یک بانک اطلاعاتی از داده های میدانی از جمله عمق چاه، وزن روی مته، سرعت چرخش مته، فشار لوله حفاری، وزن روی قلاب و گشتاور از یکی از میادین جنوب کشور تهیه شد. در این تحقیق دو نوع مختلف و کاربردی از ابزار گرافیکی برای پیشبینی نرخ نفوذ حفاری و نیز محاسبه هزینه بر فوت، با استفاده از شبکه عصبی و عصبی فازی توسعه داده شد که ابزار اول درخصوص پیشبینی نرخ نفوذ حفاری و ابزار دوم به منظور ارزیابی اقتصادی عملکرد مته و محاسبه هزینه بر فوت ارائه شده است. نتایج تحلیل ها با استفاده از این ابزار گرافیکی نشان داد که رابطه خوبی با ضریب همبستگی (94/0=R2) برای پیش بینی نرخ نفوذ با استفاده از شبکه عصبی بهدست می آید. در ادامه به جهت بهبود رابطه بهدست آمده از روش شبکه عصبی فازی بهره گرفته شد. نتایج نشان داد که رابطه بسیار خوبی با دقت بالا با ضریب تعیین (99/0=R2) حاصل می شود که حاکی از بهبود دقت مدل پیش بینی با استفاده از روش عصبی فازی است.کلید واژگان: نرخ نفوذ حفاری, پیش بینی, هزینه بر فوت, شبکه های هوشمند, شبکه عصبی فازیPetroleum Research, Volume:28 Issue: 101, 2018, PP 112 -125The prediction of drilling rate is one of the important issue because of its role in minimizing drilling costs to optimize the drilling process. Field data analysis is a key element in reducing costs and improving drilling operations. Furthermore, developing field information analysis tools and providing prediction modelsare two alternatives to improve drilling operations. When a drilling system is deployed, there are only a few limited parameters which can be controlled and changed. In general, the main purpose of this research is to apply intelligent techniques and provide graphical tools for predicting drilling performance. For this purpose, a database of field data such as well depth, drill weight, drill speed, drill chuck, weight on the hook and the torque was established from one of the southern fields of Iran. In this research, two different types of graphical tools were proposed to predict the drilling rate of penetration as well as to calculate the cost per foot, using a fuzzy neural network and Neuro-fuzzy approaches. The goals of the economic evaluation are the drill performance and the cost-per-foot calculation. The results showed that a good correlation coefficient (R2=0.94) was obtained to predict the penetration rate using the neural network. In order to improve the findings, the fuzzy neural network method was applied. The results demonstrated that a very good relationship with high precision having a coefficient of determination (R2=0.99) was obtained and thereby it depicted a significant improvement in the accuracy of the prediction models.Keywords: Drilling Rate, Prediction, Cost Per Foot, neural network, Fuzzy-neural Network, Graphical Software
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.