![](../template/hn-aefmc/image/item_sign.gif)
![](../template/hn-aefmc/image/item_sign.gif)
![](../template/hn-aefmc/image/item_sign.gif)
![](../template/hn-aefmc/image/item_sign.gif)
![](../template/hn-aefmc/image/item_sign.gif)
درباره مجله عضویت در مجله شناسنامه مجله ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() مقالات منتشر شده ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() آمار بازدید ![]() ![]() ![]() ![]() ![]() |
صفحه اصلی > بررسی تاثیر فیلتر های مختلف کاهش نویز بر عملکرد تقریب نرخ نفوذ حفاری توسط مدلهای مبتنی بر آموزش ماشین
.: بررسی تاثیر فیلتر های مختلف کاهش نویز بر عملکرد تقریب نرخ نفوذ حفاری توسط مدلهای مبتنی بر آموزش ماشین بررسی تاثیر فیلتر های مختلف کاهش نویز بر عملکرد تقریب نرخ نفوذ حفاری توسط مدلهای مبتنی بر آموزش ماشین
احسان برنجکار
کارشناسی ارشد مهندسی نفت، دانشگاه ازاد اسلامی واحد علوم و تحقیقات تهران ارسال : بهمن ماه 99 پذیرش: فروردین 1400 چکیده مدلسازی و تخمین دقیق نرخ نفود حفاری (ROP) مقدمه ای برای ایجاد یک برنامه ریزی بهتر در جهت کاهش زمان عملیات حفاری و کنترل هزینه های مصرفی میباشد. با اینحال تخمین این فاکتور کلیدی به سهولت امکان پذیر نیست و دلیل اصلی ان ارتباط پیچیده میان نرخ نفوذ و متغیر های حفاری میباشد. از سوی دیگر، وجود نویز در داده ها، سبب افزایش زمان اموزش مدل ها شده و دقت انها را به شدت کاهش میدهد. در این مطالعه، روش شبکه های عصبی پرسپترون چند لایه (MLP) و روش حد اقل مربعات رگرسیون بردار پشتیبان (LSSVR) به همراه چهار فیلتر کاهش نویز داده به منظور تخمین نرخ نفوذ استفاده شده است. داده های مورد استفاده به منظور تغذیه مدلها، از واحد نمودار گیری گل(MLU) و گزارش نهایی یک چاه حفاری شده واقع در جنوب غربی ایران جمع اوری شده است که پس از فرایند انتخاب ویژگی از طریق الگوریتم تبرید شبیه سازی شده (SA) و شبکه های عصبی مصنوعی، یازده متغیر از کل متغیرها انتخاب گردید. در ادامه، نقاط خارج از محدوده حذف شدند و نویز کلی داده ها بوسیله فیلترهای میانه، ساویتزکی گولی، میانگین متحرک وزن دار و سیگنال ویولت کاهش یافت. در پایان، عملکرد مدلهای توسعه داده شده و فیلترهای به کار رفته، توسط شاخص های اماری مختلفی مورد بررسی و مقایسه قرار گرفت و ثابت گردید که روش LSSVR با کرنل پایه شعاعی و دیتای خروجی از فیلتر میانگین متحرک وزن دار، بهترین نتایج را در دو بخش اموزش و ازمون مدل نمایش میدهد.
واژگان كليدي: نرخ نفوذ حفاری، شبکه های عصبی پرسپترون چند لایه، حداقل مربعات رگرسیون بردار پشتیبان، انتخاب ویژگی، حذف نویز، الگوریتم تبرید شبیه سازی شده. دانلود مقاله : ![]() |
Journal of Science and Engineering Elites www.ElitesJournal.ir www.ElitesJournal.com پست الکترونیک ( ایمیل) : Info@elitesjournal.com تلفن دبیرخانه: 44258197 -021 ساعات پاسخگوئی به تماس: همه روزه از ساعت 11 الی 17 (به جز جمعه ها و ایام تعطیل) فکس دبیرخانه : 89780710-021 |