پیش‌بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه‌های سنگی با استفاده از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی

نویسندگان

چکیده مقاله:

امروزه عملیات حفاری انحرافی به‌طور گسترده‌ای در انواع شرایط زمین‌شناسی به کار می‌رود، اما استفاده بهینه از این فنّاوری در شرایط سنگی و سخت به دانش و تجربه بالای مهندسی نیاز دارد. مقدار گشتاور چرخشی یکی از پارامترهای بسیار مهمی است که باید برای انجام عملیات حفاری انحرافی پیش‌بینی شود. در این پژوهش جهت ارائه راهکار جدید برای پیش‌بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه‌های سنگی از روش ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی استفاده شده است. درواقع برای بهینه‌سازی وزن‌های شبکه عصبی مصنوعی و بالا بردن توانایی‌های شبکه از الگوریتم مبتنی بر جغرافیای زیستی بهره گرفته شده است. هم‌چنین از نیروی محوری، سرعت چرخش مته، طول رشته حفاری، تغییر زاویه کلی گمانه، قطر iامین برقو، سرعت جریان گل و ویسکوزیته گل حفاری به‌عنوان پارامترهای ورودی مدل برای پیش‌بینی گشتاور چرخشی استفاده شده است. برای ارزیابی توانایی مدل در پیش‌بینی گشتاور چرخشی، از داده‌های پروژه انتقال گاز طبیعی غرب به شرق چین استفاده شده است. تعداد کل داده‌ها در این پروژه 84 داده است که از این تعداد به‌طور تصادفی، 75 درصد داده‌ها برای آموزش مدل و 25 درصد داده‌ها برای آزمون مدل استفاده شده است. نتایج حاصل از این مطالعه بیانگر آن است که مدل پیشنهادی می‌تواند به‌عنوان یک ابزار قدرتمند برای مدلسازی مسائل حفاری انحرافی مورد استفاده قرار گیرد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

چکیده مقدمه: در حال حاضر، سرطان پستان از شایع‏ترین بیماری­های زنان است. دسته ‏بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می­کند. متخصصین به دنبال روش­های بهینه جهت بهبود تشخیص این تومور می‏ باشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده ‏سازی و بروز رسانی همزمان وزن‏ها موفق به دسته‏بندی داد...

متن کامل

استفاده از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای پیش بینی نیروی گاز گرفتن از روی سیگنال الکترومایوگرام

Human mastication is a common rhythmic behavior and a complex biomechanical process which is hard to reproduce. Today, investigating the relation between electrical activity of muscles and force signals is of high importance in many applications including gait analysis, orthopedics, rehabilitation, ergonomic design, haptic technology, tele-presence surgery and human-machine interaction. Surface...

متن کامل

دسته‌بندی داده‌های سوناری با استفاده از شبکه عصبی ادراکی چند لایه آموزش دیده شده با الگوریتم بهینه‌سازی تعدیل شده مبتنی بر جغرافیای زیستی

با توجه به پیچیدگی فیزیکی اهداف سوناری و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، دسته‌بندی آن‌ها یکی از مسایل چالش‌برانگیز برای پژوهشگران و صنعت‌گران این حوزه است. شبکه‌های عصبی چند‌لایه، یکی از پرکاربردترین ابزار در دسته‌بندی اهداف واقعی می‌باشند. می‌توان از آموزش به عنوان مهم‌ترین بخش این شبکه‌ها اشاره نمود. در سال‌های اخیر استفاده از الگوریتم‌های تکاملی برای آموزش این نوع شبکه‌ه...

متن کامل

مدل‌سازی و بهینه‌سازی نانوبیوسنسور الیگونوکلئوتیدی با استفاده از رویکرد مبتنی بر شبکه عصبی مصنوعی و الگوریتم ژنتیک

توسعه هر نوع بیوسنسور با چالش‌هایی در زمینه بهینه‌سازی پارامترها و کالیبراسیون مواجه است. در این تحقیق رویکردی مبتنی بر یادگیری ماشین برای مدل‌سازی و بهینه‌سازی مولفه­های تاثیرگذار در ساخت نانوبیوسنسور الکتروشیمیایی بر اساس الکترود کربن شیشه‌ای اصلاح شده با گرافن اکسید و نانومیله طلا در شرایط کاری آزمایشگاهی ارائه شده است. پاسخ نانوبیوسنسور به عنوان خروجی و تاثیر هشت عامل موثر شامل: غلظت گرافن ...

متن کامل

پیش‌بینی مدیریت سود مبتنی بر مدل جونز تعدیل شده با استفاده از مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک

در سالهای اخیر مدیریت سود در پژوهش های دانشگاهی توجه زیادی را به خود جلب کرده است. هدف این پژوهش پیش بینی مدیریت سود از طریق اقلام تعهدی اختیاری مبتنی بر مدل جونز تعدیل شده است. در این پژوهش از دو مدل شبکه عصبی مصنوعی و مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی به عنوان الگوی موفقجهت پیش بینی مدیریت سود مبتنی بر جونز تعدیل شده در بورس اوراق بهادار تهران استفاده شده است. نمونه مورد استفاده در این پژ...

متن کامل

کاربردی از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای بر آورد مصرف گاز طبیعی در ایران

هدف اصلی این تحقیق، بررسی تقاضای گاز طبیعی در ایران با استفاده از ساختار صنعت و شرایط اقتصادید ایران می باشد.. مدل ها به دو شکل (نمایی و خطی) ارائه شده اند و برای برآورد تقاضای گاز طبیعی در ایران مورد استفاده قرار می گیرند. این مدل ها برای برآورد میزان تقاضای گاز طبیعی در آینده براساس شاخص های جمعیت، تولید ناخالص داخلی و ارقام وارداتی و صادراتی گسترش یافته اند. مصرف گاز طبیعی در ایران از سال 19...

متن کامل

منابع 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 7  شماره 13

صفحات  59- 70

تاریخ انتشار 2017-05-22

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