آخرین محصولات ویژه

مقاله بکار گیری شبکه های عصبی مصنوعی درپیش بینی و جلوگیری از گیر رشته حفاری به صورت دیفرانسیلی در میادین دریایی خلیج فارس

دسته بندي : شیمی نفت گاز

پیچیدگی چاه ها در سالهای گذشته به طور قابل توجهی افزایش یافته است. چاه های با زاویه حفر بالا، چاه های با حفاری چند جانبه، چاه های افقی و چاه های بازگذشتی معمول هستند. به هر حال ممکن است رشته حفاری توسط فشارهای دیفرانسیلی به دیواره چاه گیر کند و نیازمند نیرو و مهارت برای آزاد سازی آن می باشد. هنگامی که این موفقیت آمیز نباشد بعضی مواقع تنها راه حل مسدود کردن قسمت گیر و حفر یک مسیر فرعی در اطراف آن، تغییر برنامه حفاری به طور کامل و افزودن میلیون ها دلار به هزینه چاه می باشد.
بخصوص در عملیات های دریایی جایی که گیر لوله ها به تنهایی می تواند هزینه توسعه یک چاه را به اندازه %30 افزایش دهد هزینه بر است. پدیده گیر رشته حفاری به صورت دیفرانسیلی (Differential Pipe Sticking) تحت تاثیر خواص سیال حفاری و عوامل دیگری از جمله خواص سنگ سازند های زمین شناسی می باشد. اخیرا کاربردی از شبکه های عصبی مصنوعی (Artificial Neural Networks) برای پیش بینی گیر لوله ها به صورت دیفرانسیلی در خلیج مکزیک توسط هالیبرتون چاب شده است.
این مقاله دو نوع مختلف شبکه عصبی پرسپترون چند لایه (Multi Layer Perceptron) و تابع پایه شعاعی (Radial Basis Function) و آموزش این شبکه ها بر اساس روش توزیع معکوس خطا (Back Propagation Algorithm) را برای پیش بینی و کاهش گیر رشته حفاری به صورت دیفرانسیلی هنگام حفاری با گل های پلیمری و پایه روغنی در قسمت مخزنی میادین دریایی خلیج فارس بیان می کند. روش ارایه شده می تواند به صورت یک نیاز برای طراحی بهینه سیال حفاری جهت حفاری و توسعه چاههای نفتی در میادین دریایی خلیج فارس باشد.

کلمات کلیدی: گیر دیفرانسیلی لوله ، شبکه عصبی مصنوعی


دسته بندی: شیمی نفت گاز

تعداد مشاهده: 2200 مشاهده

کد فایل:5046

انتشار در:۱۳۹۷/۱۱/۲۴

حجم فایل ها:421.8 کیلوبایت

تعداد صفحات: 13

زبان: فارسی

سال انتشار: 1387

محل انتشار: اولین کنگره ملی صنعت حفاری ایران

فرمت: (PDF) غیر قابل ویرایش

منابع و مآخذ: دارد

جدول و نمودار: دارد

عکس و تصویر: دارد


اشتراک گذاری:
 قیمت: 5,000 2,500 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل

محصولات مرتبط