CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تخمین سرعت حفاری با سیال کف با استفاده از شبکه عصبی مصنوعی رگرسیون عمومی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۹۱۷ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: RESERVOIR02_040
زبان مقاله: فارسی
حجم فایل: ۲۰۰.۴۷ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین سرعت حفاری با سیال کف با استفاده از شبکه عصبی مصنوعی رگرسیون عمومی

  بهروز باغبانی - دانشگاه صنعتی شاهرود
    علی مرادزاده - استاد دانشگاه صنعتی شاهرود
  علی نخعی - استادیار انیستیتو نفت، دانشگاه تهران
  رضا روکی - دانشجوی دکتری اکتشاف معدن، دانشگاه صنعتی شاهرود

چکیده مقاله:

سرعت حفاری یا به بیان دیگر نرخ نفوذ مته از مهمترین پارامتر‌ها در عملیات حفاری می‌باشد. از آنجا که عملیات حفاری سهم قابل توجهی از هزینه‌های اکتشاف و بهره‌برداری مواد هیدروکربوری را به خود اختصاص می‌دهد، تخمین سرعت حفاری از اهمیت ویژه‌ای برخوردار است. بدست آوردن ارتباط صحیح بین پارامترهای حفاری جهت تخمین سرعت حفاری اهمیت بالایی دارد، که شبکه‌های عصبی قادر به بدست آوردن ارتباط صحیح بین پارامتر‌های حفاری و نرخ نفوذ مته می‌باشند. در این مقاله به تخمین سرعت حفاری با سیال کف با روش شبکه عصبی مصنوعی رگرسیون عمومی برای چاه شماره 6 میدان شانول، پرداخته می‌شود. میدان شانول واقع در جنوب ایران، منطقه فارس ساحلی می‌باشد. این میدان جزء میادین گازی کشور بوده که چاه شماره 6 این میدان حدود 2800 متر با کف حفاری شده است. نتایج حاصل نشان دهنده قابلیت بالای شبکه عصبی در تخمین سرعت حفاری با توجه پارامترهای دخیل در حفاری می باشد.

کلیدواژه‌ها:

شبکه عصبی رگرسیون عمومی، سیال کف، سرعت حفاری

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-RESERVOIR02-RESERVOIR02_040.html
کد COI مقاله: RESERVOIR02_040

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:
باغبانی, بهروز؛ علی مرادزاده؛ علی نخعی و رضا روکی، ۱۳۹۲، تخمین سرعت حفاری با سیال کف با استفاده از شبکه عصبی مصنوعی رگرسیون عمومی، دومین همایش مهندسی مخازن هیدروکربوری، علوم و صنایع مرتبط، تهران، هم اندیشان انرژی کیمیا، https://www.civilica.com/Paper-RESERVOIR02-RESERVOIR02_040.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: (باغبانی, بهروز؛ علی مرادزاده؛ علی نخعی و رضا روکی، ۱۳۹۲)
برای بار دوم به بعد: (باغبانی؛ مرادزاده؛ نخعی و روکی، ۱۳۹۲)
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 :

  • Bourgoyne, A.T., MiIlheim, K.K., Chenevert, M.E. and Young, F.S., Applied ...
  • Mohaghegh, S., Ameri, S., 1995 0 , Artificial Neural Network ...
  • Mohaghegh, S., 2000., Virtual- Intelligence Applications in Petroleum Engineering : ...
  • Huang, Z. and Williamson, M. A., 1994., Geological pattern recognition ...
  • Artun, E., Mohaghegh, S. and Toro, J., 2005., Reservoir Characteri ...
  • Rolon, L., 2004., Developing Intelligent Synthetic Logs: Application to Upper ...
  • Bhatt, A., 2002., Reservoir properties from well logs using neural ...
  • Demuth, H. and Beale, M., 2002., Neural Network Toolbox For ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۶۹۹۱
    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.