ژئو مکانیک نفت, دوره (5), شماره (4), سال (2022-10) , صفحات (1-28)

عنوان : ( تخمین پارامترهای ژئومکانیکی، تزیه و تحلیل تنش های برا، و تعیین پنره وزن بهینه گل با استفاده از الگوریتم های یادگیری ماشین )

نویسندگان: حمید قالیباف محمدابادی , ناصر حافظی مقدس , غلامرضا لشکری پور , رئوف غلامی , حسین طالبی ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

نگاره‌های مربوط به چاه‌های نفتی تفسیر/پردازش می‌شوند تا خصوصیات پتروفیزیکی، مکانیکی و ژئومکانیکی درجا را برای سنگ‌های پیرامون چاه‌های نفتی تشخیص دهند. اما همه نگاره‌ها به دلیل هزینه بالا و مشکلات زمین‌شناسی امکان برداشت امکان‌پذیر نمی‌باشد. به‌طور مثال نگاره‌های مربوط به‌کندی موج‌های صوتی حاوی اطلاعات ژئوفیزیکی و ژئومکانیکی حیاتی برای تعیین مدول‌های الاستیسیته دینامیکی، مدول یانگ، مدول بالک، مقاومت/آمپدانس صوتی، مدول برشی و نسبت پواسون سنگ‌های پیرامون در اطراف دیواره چاه هستند. بنابراین در این تحقیق ابتدا دو چاه تصادفی از یکی از میدان‌های نفتی جنوب ایران برگزیده شد که یکی به‌عنوان چاه آموزشی جهت تعیین مدل مناسب و دیگری جهت پیش‌بینی زمان موج‌های صوتی انتخاب شد. این داده‌ها با استفاده از طیف وسیعی از روش‌های یادگیری ماشین و تنظیم فراپارمترها (Hyperparameter Tuning) روی الگوریتم‌ها، بهترین مدل‌ها جهت پیش‌بینی/ تخمین لاگ‌های صوتی ارائه شد، در این فرایند، از بین روش‌های رگرسیون، روش k - نزدیک‌ترین همسایه (KNN) و از بین روش‌های ترکیبی الگوریتم جنگل تصادفی (Random Forest Regression) و الگوریتم درختان اضافی (Extra Tree Regression) بالاترین ضریب همبستگی را نشان داده‌اند. درنتیجه الگوریتم درختان اضافی جهت مدل‌سازی بر روی داده‌های آموزشی و آزمایشی چاه انجام گرفت. سپس این مدل جهت پیش‌بینی/سنتز زمان موج‌های صوتی طولی و برشی چاه هدف بکار گرفته شد. سپس با مقایسه داده‌های واقعی چاه هدف، مقدار خطای جذر میانگین مربعات و مجذور R به دست آمد. در ادامه با استفاده از روابط پورالاستیک تنش‌های برجا میدان تعیین شدند و معلوم گردید مخزن سروک و ایلام در رژیم تنش معکوس و مخزن آسماری در رژیم تنش نرمال تا امتدادلغز قرار دارند. در پایان با استفاده از معیارهای مکانیک سنگ بهترین وزن بهینه گل حفاری در چاه مورد مطالعه ارائه شد.

کلمات کلیدی

, روشهای یادگیری ماشین Hyperparameter Tuning روش k, نزدیک‌ترین همسایه( KNN) روشهای ترکیبی Random Forest Regression Extra Tree Regression تخمین پارامتر‌های ژئومکانیکی
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1091982,
author = {قالیباف محمدابادی, حمید and حافظی مقدس, ناصر and لشکری پور, غلامرضا and رئوف غلامی and حسین طالبی},
title = {تخمین پارامترهای ژئومکانیکی، تزیه و تحلیل تنش های برا، و تعیین پنره وزن بهینه گل با استفاده از الگوریتم های یادگیری ماشین},
journal = {ژئو مکانیک نفت},
year = {2022},
volume = {5},
number = {4},
month = {October},
issn = {2538-4651},
pages = {1--28},
numpages = {27},
keywords = {روشهای یادگیری ماشین Hyperparameter Tuning روش k- نزدیک‌ترین همسایه( KNN) روشهای ترکیبی Random Forest Regression Extra Tree Regression تخمین پارامتر‌های ژئومکانیکی},
}

[Download]

%0 Journal Article
%T تخمین پارامترهای ژئومکانیکی، تزیه و تحلیل تنش های برا، و تعیین پنره وزن بهینه گل با استفاده از الگوریتم های یادگیری ماشین
%A قالیباف محمدابادی, حمید
%A حافظی مقدس, ناصر
%A لشکری پور, غلامرضا
%A رئوف غلامی
%A حسین طالبی
%J ژئو مکانیک نفت
%@ 2538-4651
%D 2022

[Download]