بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 940047162
نام و نام خانوادگي : علی امرائی نیا
عنوان پایان نامه : ارائه مدلي برای پيش بيني نرخ نفوذ حفاری با استفاده از شبکه های عصبي مصنوعي در ميدان گچساران
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسي شيمي
رشته/گرایش تحصيلي : مهندسی نفت -حفاری
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (عضو هیات علمی مرکز) :آرش ابراهیم آبادی ,
استاد مشاور (استاد مشاور مدعو) : ,
دکتر عبدالعلی اسمعیلی
چكيده : عملیات حفاری چاه¬های نفت و گاز یکی از مهم¬ترین مراحل در فاز¬های اکتشاف و توسعه¬ی میادین نفتی و گازی محسوب می¬گردد. همچنین میزان عمق حفاری شده¬ی یک سازند نسبت به زمان پارامتری کلیدی برای مهندسان نفت به حساب می¬آید که به طور مستقیم بر هزینه و زمان عملیات حفاری تأثیر-گذار می¬باشد. بنابراین در دسترس بودن این پارامتر در عملیات¬های حفاری بعدی سازند بسیار ضروری بوده و صرفه¬ی اقتصادی بسیار بالایی نیز دارد. با این حال پیش¬بینی این پارامتر قبل از حفاری سازند علاوه بر کاهش هزینه و زمان عملیات میدانی، می¬تواند از مشکلات حین حفاری نیز جلوگیری کند. از طرفی امروزه استفاده از مدلسازی شبکه¬ی عصبی مصنوعی در بخش¬های مختلف صنعت نفت به سرعت رو به افزایش رفته و باعث توسعه¬ی مدل¬های پر بازده در زمینه¬های مختلف شده است. در این پژوهش با استفاده از تکنیک شبکه عصبی مصنوعی، داده¬های حفاری چندین چاه از میدان گچساران که یکی از میادین نفتی بزرگ ایران مورد آنالیز قرار گرفته و دو مدل شبکه عصبی مصنوعی جهت پیش-بینی دو پارامتر کلیدی نوع و نرخ نفوذ مته توسعه داده شد. به علاوه یک مدل تجربی نیز بر اساس رابطه¬ی تجربی بورگینه-یانگ جهت پیش¬بینی پارامتر نرخ نفوذ مته ارائه شد. در ادامه پارامتر¬های تأثیر-گذار بر نرخ نفوذ مته با استفاده از یک الگوریتم ژنتیکی بهینه¬سازی شد و مقدار حد¬اکثر نرخ نفوذ مته در شرایط مختلف گزارش شده است. نتایج تحقیق نشان داد که، مقادیر ضریب تعیین (R2) و میانگین مربع خطا (MSE) مدل¬های شبکه عصبی مصنوعی نوع مته و همچنین نرخ نفوذ مته نسبت به داده¬های میدانی به ترتیب برابر با (۰.۹۳۹۹، ۱.۰۴۵) و (۰.۹۶۰۸، ۰.۰۰۰۲۴) می¬باشند. از طرفی مقدار ضریب تعیین و میانگین مربع خطا مدل تجربی نرخ نفوذ مته نسبت به داده¬های میدانی برابر با (۰.۹۴۶۲، ۰.۰۰۰۳۵) به دست آمده است. در نهایت این نتیجه حاصل شد که مقدار حد¬اکثر نرخ نفوذ مته با عمق کاهش یافته است.
كلمات كليدي : عملیات حفاری، نرخ نفوذ مته، شبکه عصبی مصنوعی، بهینه¬سازی، میدان نفتی گچساران
تاريخ دفاع : 1397-11-08