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

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بکار گیری شبکه های عصبی مصنوعی درپیش بینی و جلوگیری از گیر رشته حفاری به صورت دیفرانسیلی در میادین دریایی خلیج فارس دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بکار گیری شبکه های عصبی مصنوعی درپیش بینی و جلوگیری از گیر رشته حفاری به صورت دیفرانسیلی در میادین دریایی خلیج فارس  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بکار گیری شبکه های عصبی مصنوعی درپیش بینی و جلوگیری از گیر رشته حفاری به صورت دیفرانسیلی در میادین دریایی خلیج فارس،به هیچ وجه بهم ریختگی وجود ندارد

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

تعداد صفحات:۱۷

چکیده:

پیچیدگی چاهها در سالهای گذشته به طور قابل توجهی افزایش یافته است . چاههای با زاویه حفر با لا،چاههای با حفاری چند جانبه، چاههای افقی و چاههای 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 م سدود کردن قسمت گیر و حفر یک مسیر فرعی در اطراف آن، تغییر برنامه حفاری به طور کامل و افزودن میلیونها دلار به هزینه چاه می باشد . این بخصوص در عملیاتهای دریایی جایی که گیر لوله ها به تنهایی می تواند هزینه توسعه یک چاه را به اندازه % ۳۰ 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 عصبیمصنوعیArtificial 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 عصب ی پرسپترون چند لایهMulti Layer Perceptronو تابع پایه شعاعیRadial Basis Functionو آموزش این شبکهها بر اساس روش توزیع معکوس خطا(Back Propagation Algorithmرا 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.