الگوکردن و شبیه سازی موتور درون چاهی حفاری با استفاده از روش های هوش محاسباتی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 174

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-8-2_006

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

تکنیک های هوش محاسباتی، توانایی زیادی در حل مسائل محاسباتی مختلف در علوم مهندسی دارند. در این مقاله، برای نخستین بار، الگو­کردن و شبیه­سازی موتور درون چاهی حفاری با استفاده از روش­های هوش محاسباتی مانند شبکه عصبی مصنوعی، سیستم استنتاج عصبی - فازی تطبیقی و تابع پایه شعاعی ارائه شده است. برای این منظور از داده­های تجربی برای آموزش و تست ساختارهای مختلف هوش محاسباتی استفاده شده است. الگو های هوش محاسباتی به دست آمده از لحاظ دقت و کارایی، با یکدیگر و نیز با داده­های تجربی مقایسه شده­اند. نتایج مقایسه نشان می­دهند این الگو ها دقت زیادی در پیش­بینی رفتار موتورهای درون چاهی حفاری دارند. علاوه بر آن، از سرعت شبیه­سازی بسیار زیادی در مقایسه با روش های اندازه­گیری تجربی برخوردارند. درنهایت با استفاده از الگوی شبکه عصبی پیشنهادشده در این مقاله که بهترین جواب را در مقایسه با روش های دیگر دارد، برای نخستین بار یک معادله ارائه شده است که توصیف کننده رفتار موتور درون چاهی حفاری است.

کلیدواژه ها:

تابع پایه شعاعی ، سیستم استنتاج عصبی- فازی تطبیقی ، شبکه عصبی مصنوعی ، شبیه سازی ، الگو کردن ، موتور درون چاهی حفاری

نویسندگان

عباس رضایی

- استادیار، عضو هیئت علمی گروه مهندسی برق - دانشگاه صنعتی کرمانشاه - کرمانشاه - ایران

بهروز نوروزی

- دانشگاه آزاد اسلامی واحد کرمانشاه - کرمانشاه - ایران

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 :
  • Hayati, M., Jamshidi, S.M., Rezaei, A., "Modeling and Simulation of ...
  • Mellit, A., Kalogirou, S., "Artificial intelligence techniques for photovoltaic applications: ...
  • Tong, X., Wang, Z., and Yu, H., "A research using ...
  • Caiqing, Z., Ruonan, Q., and Zhiwen, Q., "Comparing BP and ...
  • Mabel, M.C., Fernandez, E., "Analysis of wind power generation and ...
  • Kaukal, M., Akpinar, A., Komurcu, M. I., Ozsahin, T.S., "Modelling ...
  • Safaee Ardekani, O., Shadizadeh, S.R., "Development of drilling trip time ...
  • Bello, O., Holzmann, J., Yaqoob, T., Teodoriu, C., "Application Of ...
  • Tahavvor, A.R., Hosseini, S., Jowkar, N., Karimzadeh Fard, A., "Prediction ...
  • Moazzeni, A., Haffar, M.A., "Artificial Intelligence for Lithology Identification through ...
  • Farrokhi, M, Mazdarani H., "Adaptive Neuro-Predictive Position/Velocity Control of Robot ...
  • Moayedi rad, H., Farshad, M., Shamsi nejad, M.A., "Improvement of ...
  • Hornik, K., Stinchcombe, M., & White, H., "Multilayer feedforward networks ...
  • Jang, J.-S. R., & Sun, C.-T., "Neuro-fuzzy modeling and control", ...
  • Buhmann, M. D., "Radial basis functions: theory and implementations", Cambridge ...
  • نمایش کامل مراجع