بهبود مدل پیشبینی رفتار رئولوژیکی سیال حفاری با استفاده از شبکه عصبی
نویسندگان
چکیده مقاله:
با توجه به تأثیر پارامترهای فراوان بر روی رفتار رئولوژیک سیال حفاری، تعیین دقیق رفتار رئولوژیک سیال حفاری حائز اهمیت است. ازاین‌رو حذف روش‌های آزمایشگاهی که به‌صورت سعی و خطا انجام می‌گیرد و نیاز به استفاده از روش‌های هوشمند ازجمله شبکه‌های عصبی مصنوعی، به‌شدت احساس می‌شود. در تحقیق حاضر برای پیشبینی خواص رئولوژیکی سیال حفاری، شامل پلاستیک ویسکوزیته، ویسکوزیته قیف و نقطه تسلیم از اطلاعات چهار چاه مربوط به یک میدان نفتی شامل 240 ردیف اطلاعات (4080 داده) جهت آزمون و 23 ردیف (391 داده) جهت تست مدل استفاده شد. پارامترهای موجود در این اطلاعات شامل 14 نوع مواد سیال، عمق، نوع سازند و دما (جمعاً 17 پارامتر) است. سپس با استفاده از شبکه‌های عصبی مصنوعی، ابتدا ساختارهای مختلف شبکه عصبی جهت پیشبینی خواص رئولوژیکی سیال حفاری ساخته شد و درنهایت سه مدل بهینه مجزا برای ویسکوزیته پلاستیک، ویسکوزیته قیف و نقطه تسلیم طراحی شد که در هر سه مدل، شبکه دارای دو لایه با 17 ورودی و یک خروجی در لایه آخر بوده و تعداد نرون‌های لایه پنهان، 16 نرون برای مدل ویسکوزیته پلاستیک 19 نرون برای مدل ویسکوزیته قیف و مدل نقطه تسلیم تعیین شد. ضرایب همبستگی آزمون این مدل‌ها در نهایت، 99/0 برای مدل ویسکوزیته پلاستیک، 98/0 برای مدل نقطه تسلیم و 97/0 برای ویسکوزیته قیف به‌دست آمد که نشان‌دهنده انطباق بالای نتایج آزمون با واقعیت بود. درنهایت نیز مدلی آماری با استفاده از نرم‌افزار SPSS ساخته شد.
منابع مشابه
بررسی رفتار رئولوژیکی سوسپانسیون های حاوی سیال قانون توانی با استفاده از ترکیب روش شبکه بولتزمن و نمایه هموار
در تحقیق حاضر، از یک الگوریتم عددی جدید برمبنای ترکیب روش شبکه بولتزمن و نمایه هموار برای بررسی حرکت تعدادی ذره دایره ای شکل درون سیال غیرنیوتنی قانون توانی در جریان برشی استفاده شده است. در ابتدا تغییرات سرعت سیال در مقادیر مختلف اندیس قانون توانی (n) آنالیز گردید و نتایج آن با نتایج عددی به دست آمده از سایر تحقیقات گذشته مقایسه شد. در این تحقیق، برای اولین بار رفتار رئولوژیکی ذرات دایره ای ش...
متن کاملبهبود خواص رئولوژیکی و تریبولوژیکی گل حفاری با استفاده از نانوذرات
This article has no abstract.
متن کاملکاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی
پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...
متن کاملپیشبینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک
سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی‌های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی‌های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه‌های عصبی مصنوعی در آموزش‌پذیری و پردازش موازی داده‌ها با روابط غیر خطی، هدف از این پژوهش تهیۀ مدل‌هایی مناسب به منظور پیشبینی خصوصیات رئولوژیکی خمیر با توجه به ویژگی‌های فیزیکوشیمیایی آرد است. مو...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 27 شماره 6-96
صفحات 46- 58
تاریخ انتشار 2018-02-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023