پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی معدن، نفت و ژئوفیزیک > مقطع کارشناسی ارشد > سال 1403
پدیدآورندگان:
آرمین خدادادی [پدیدآور اصلی]، امین روشندل کاهو[استاد راهنما]، مجتبی کلهر محمدی [استاد راهنما]، مهدی باجولوند[استاد مشاور]
چکیده:
حفاری یک فرآیند زمانبر، پرهزینه و پرریسک است که برای کشف و توسعه منابع نفتی حیاتی بهشمار میآید. در این عملیات، نرخ نفوذ بهعنوان مقدار متراژ حفاری شده در واحد زمان تعریف میشود و افزایش این نرخ یکی از اهداف اصلی است. تحقیق در زمینه تعیین مقادیر پارامترهای قابل کنترل برای بهینهسازی نرخ نفوذ (ROP) یکی از چالشهای مهم مهندسین حفاری است. روشهای معمول تخمین و بهینهسازی ROP به دو دسته اصلی تحلیلی و یادگیری ماشین تقسیم میشوند. روشهای تحلیلی، که بهعنوان روشهای سنتی نیز شناخته میشوند، محدودیتهایی در یافتن پاسخ دارند و از دقت و سرعت بالایی برخوردار نیستند. یکی از بزرگترین محدودیتهای این روشها، ناتوانی در محاسبه پاسخ یک مدل برای چندین چاه است. در مقابل، روشهای یادگیری ماشین که بهعنوان روشهای نوین شناخته میشوند، دارای دقت و سرعت بالایی هستند، اما خود نیز با محدودیتهایی مواجهاند و جامع نیستند. بهدلیل این محدودیتها، امروزه روشهای هیبریدی که ترکیبی از روشهای تحلیلی و یادگیری ماشین هستند، اهمیت ویژهای پیدا کردهاند. این روشها ابتدا رابطهای برای محاسبه پاسخ مدلسازی میکنند و سپس با استفاده از الگوریتمهای بهینهسازی به حل مدل مربوطه میپردازند. در این رویکرد، خطا به حداقل رسیده و سرعت فرآیند بهینهسازی در سریعترین حالت ممکن قرار دارد. در این پایاننامه، پس از معرفی یک رابطه تحلیلی جدید، با استفاده از الگوریتم بهینهسازی فراابتکاری باران، فرآیند مدلسازی نرخ نفوذ انجام شده است. نتایج حاصل با دو مدل تحلیلی متداول و دو روش بهینهسازی شامل الگوریتم ژنتیک و ازدحام ذرات مقایسه گردیده است. مطالعه روی دادههای دو چاه منتخب از یکی از میادین نفتی جنوب غرب ایران انجام شد و نتایج بهدست آمده نشان داد که مدل پیشنهادی بهتر از دو مدل تحلیلی متداول برای مدلسازی نرخ نفوذ در منطقه مورد مطالعه عمل کرده است. همچنین الگوریتم بهینهسازی باران نسبت به دو الگوریتم ژنتیک و ازدحام ذرات عملکرد موفقتری داشته است.
کلید واژه ها (نمایه ها):
#نرخ نفوذ (ROP) #الگوریتم بهینهسازی باران (ROA) #انرژی ویژه مکانیکی (MSE) #مقاومت فشاری محصور کننده (CCS) #مدلسازی
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده: