Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran

Tytuł:
Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran
Badanie wpływu właściwości skał na prędkość wiercenia przy zastosowaniu metod statystycznych i inteligentnych: studium przypadku: szyb naftowy w południowo-zachodniej części Iranu
Autorzy:
Bezminabadi, S. N.
Ramezanzadeh, A.
Jalali, S. M. E.
Tokhmechi, B.
Roustaei, A.
Powiązania:
https://bibliotekanauki.pl/articles/219768.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
prędkość wiercenia
właściwości skał
metoda wielokrotnej regresji nieliniowej
sztuczne sieci neuronowe
ROP
rock properties
MNR
ANN
Źródło:
Archives of Mining Sciences; 2017, 62, 1; 131-144
0860-7001
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Rate of penetration (ROP) is one of the key indicators of drilling operation performance. The estimation of ROP in drilling engineering is very important in terms of more accurate assessment of drilling time which affects operation costs. Hence, estimation of a ROP model using operational and environmental parameters is crucial. For this purpose, firstly physical and mechanical properties of rock were derived from well logs. Correlation between the pair data were determined to find influential parameters on ROP. A new ROP model has been developed in one of the Azadegan oil field wells in southwest of Iran. The model has been simulated using Multiple Nonlinear Regression (MNR) and Artificial Neural Network (ANN). By adding the rock properties, the estimation of the models were precisely improved. The results of simulation using MNR and ANN methods showed correlation coefficients of 0.62 and 0.87, respectively. It was concluded that the performance of ANN model in ROP prediction is fairly better than MNR method.

Prędkość wiercenia jest jednym z podstawowych parametrów charakteryzujących tempo prac wiertniczych. Oszacowanie prędkości wiercenia jest zagadnieniem kluczowym dla inżynierów wiertnictwa, gdyż pozwala na dokładne określenie czasu trwania prac, a co za tym idzie także kosztów operacyjnych. Szacowanie prędkości wiercenia odbywa się na podstawie modelu uwzględniającego parametry pracy oraz parametry środowiskowe. Pierwszy krok obejmuje pozyskanie danych o fizycznych i mechanicznych właściwościach skał na podstawie profilowania geofizycznego otworu. Zastosowano korelację odpowiednich par danych dla pokreślenie wpływu głównych czynników warunkujących prędkość wiercenia. Nowy model obliczania prędkości wiercenia opracowany został w okręgu naftowym Azadegan w południowo-zachodniej części Iranu. Symulacje prowadzono w oparciu o metodę wielokrotnej regresji nieliniowej a także przy wykorzystaniu sztucznych sieci neuronowych. Poprzez dodanie danych o właściwościach skał, model został znacznie udoskonalony. Wyniki symulacji prowadzonych w oparciu o powyższe metody wykazały współczynniki korelacji na poziomie 0.62 i 0.87. Stwierdzono, że metoda wykorzystująca sztuczne sieci neuronowe daje dokładniejsze szacunki prędkości wiercenia niż podejście bazujące wyłącznie na metodzie obliczania regresji nieliniowej

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies