CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارایه یک رویکردجدید داده کاوی جهت برآوردزمان واقعی و پیش بینی نرخ نفوذ مته های حفاری چاه های نفت با استفاده از شبکه های عصبی فازی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۱ | نظرات: ۱
سرفصل ارائه مقاله: کامپیوتر
سال انتشار: ۱۳۹۵
کد COI مقاله: FANAVARI01_068
زبان مقاله: فارسی
حجم فایل: ۵۳۳.۳۸ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه یک رویکردجدید داده کاوی جهت برآوردزمان واقعی و پیش بینی نرخ نفوذ مته های حفاری چاه های نفت با استفاده از شبکه های عصبی فازی

  پروین احمدیان گرجی - دانشگاه آزاد آشتیان، دانشکده فنی و مهندسی ، شهر آشتیان، ایران
    عباس کریمی - دانشگاه آزاد آشتیان، دانشکده فنی و مهندسی ، شهر آشتیان، ایران
  حمیدرضا صاحبی - دانشگاه آزاد آشتیان، دانشکده فنی و مهندسی ، شهر آشتیان، ایران

چکیده مقاله:

با توجه به هزینه ی نسبتا سنگین حفاری، یکی از مهم ترین اهداف در مهندسی حفاری، کاهش هزینه ها می باشد. پیش بینی صحیح و قابل اعتماد نرخ نفوذ مته حفاری تاثیر بسازایی در افزایش روند سرعت حفاری و در نتیجه کاهش هزینه ها دارد. بنابراین طراحی مدل های مبتنی بر منطق فازی نسبت به شبکه عصبی می تواند در کاهش زمان و هزینه و تصمیم گیری های مختلف کمک بسازایی به اپراتور دستگاه های حفاری داشته باشد. در این مطالعه سعی شده است تا با استفاده از داده کاوی و رویکرد فازی -عصبی مدلی ساخته شود که بدستی بتواند نرخ نفوذ مته های حفاری را پیش بینی کند. در طراحی این مدل از داده های مربوط به چاه های منطقه ی عملیاتی خانگیران واقع در شمال شرق مشهد و از مخزن شوریجه ی دی استفاده شده است.پارامترهای ورودی طراحی عبارتند از : عمق فعلی ، عمق قبلی، وزن روی مته، سرعت چرخش مته، فشار پمپ خروجی، وزن گل، زمان حفاری و سایز مته می باشد و پارامترخروجی ، بدست آوردن میزان نرخ نفوذ مته ی حفاری می باشد. در انتها روش پیشنهادی بر روی داده های منطقه ی خانگیران بصورت کامل پیاده سازی شد و در مجموعه ی آموزش و آزمایش در بدترین حالت به درصد درستی بالای 95% رسیدیم که در مقایسه با بهترین روش های قبلی بهبود قابل ملاحظه ای از خود نشان می دهد. در نهایت نتایج به دست آمده هم به صورت جدول و هم به صورت نمودار آورده شده تا کارایی و درستی روش به صورت کامل تایید گردد.

کلیدواژه‌ها:

منطق فازی، شبکه ی عصبی، داده کاوی ،نرخ نفوذ مته حفاری، سیستم استنتاج تطبیقی فازی، عصبی (انفیس)

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-FANAVARI01-FANAVARI01_068.html
کد COI مقاله: FANAVARI01_068

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
احمدیان گرجی, پروین؛ عباس کریمی و حمیدرضا صاحبی، ۱۳۹۵، ارایه یک رویکردجدید داده کاوی جهت برآوردزمان واقعی و پیش بینی نرخ نفوذ مته های حفاری چاه های نفت با استفاده از شبکه های عصبی فازی، اولین کنفرانس ملی فناوری های نوین در علوم مهندسی، بیرجند، دانشگاه آزاد اسلامی واحد بیرجند، https://www.civilica.com/Paper-FANAVARI01-FANAVARI01_068.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (احمدیان گرجی, پروین؛ عباس کریمی و حمیدرضا صاحبی، ۱۳۹۵)
برای بار دوم به بعد: (احمدیان گرجی؛ کریمی و صاحبی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • پایان‌نامه: وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان۱۳۶۲، ...
  • مدلسازی سرعت حفاری در سنگ های سخت به دو روش ریاضی و شبکه عصبی مطالعه موردی ناحیه زمین گرمایی مشکین شهر [مقاله کنفرانسی]
  • محمدی. حسین و عباس سیفی، ۱۳۹۱، پیش بینی تولید نفت ... (مقاله کنفرانسی)
  • پیش‌بینی رفتار مخروطی آب و گاز در چاه‌های افقی نفت؛ با استفاده از DCP در یک مخزن تحت رانش آب تحتانی [مقاله کنفرانسی]
  • . M. Krivtsov, M. Wiercigroch, Penetration rate prediction for percussive ...
  • . Majdi, M. Mo stafa-zadeh, V. A. Sajjadian, Direction and ...
  • . Bhatnagar, M. Khandelwal, An intelligent approach to evaluate drilling ...
  • . M. Monazami, A. Hashemi, M. Shahbazian, Drilling Rate of ...
  • . H. Basarir, L. Tutluoglu, C. Karpuz, Penetration rate prediction ...
  • . Seifabad MC, Ehteshami P (2013) Estimating the drilling rate ...
  • . Mendel, J. M. _ Uncertain Rule-Based Fuzzy Logic Systems: ...
  • . Hamdan, H., An Exploration of the Adaptive Neuro-Fuzzy Inference ...
  • علم سنجی و رتبه بندی مقاله

    4.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۵۵۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.