|
Title
|
تخمين مدول يانگ از داده هاي حفاري با استفاده از روش هاي جنگل تصادفي و حداقل مربعات تقويت شده
|
|
Type
|
Presentation
|
|
Keywords
|
گزارش هاي روزانه حفاري، يادگيري ماشين، ژئومكانيك ، مدول يانگ
|
|
Abstract
|
پيش بيني پارامترهاي الاستيك مانند مدول يانگ و نسبت پواسون در تكميل مدل سازي ژئومكانيكي از اهميت بالايي برخوردار است. اين پارامترها را مي توان از طريق آزمون هاي آزمايشگاهي بر روي مغزه-هاي حفاري كه از چاه ها گرفته شده است، محاسبه كرد. همچنين مي توان اين پارامترها را به صورت ديناميك از طريق داده هاي لاگ هاي پتروفيزيكي محاسبه نمود. با اين حال، چنين داده هايي ممكن است به دلايل مختلف در حوزه نفتي مورد مطالعه در دسترس نباشد. بنابراين گزارش هاي حفاري روزانه (DDR) را مي توان به عنوان جايگزين مناسبي براي تخمين مدول الاستيك سنگ معرفي كرد. در اين مطالعه، تلاش شده است تا مدول ديناميك يانگ با استفاده از داده هاي DDR با استفاده از روش هاي يادگيري ماشين مرسوم برآورد شود. در اين راستا از روش حداقل مربعات تقويت شده (LSBoost) و جنگل تصادفي (Random Forest) استفاده شده است. داده هاي ورودي به اين الگوريتم ها شامل عمق (D)، نرخ نفوذ (ROP)، وزن روي مته (WOB)، سرعت چرخش رشته (RPM)، چگالي (RHOB)، تخلخل (Φ)، فشار پمپ (PP) و سرعت مماسي (TV) است. سپس هر يك از اين الگوريتم ها از نظر دقت با استفاده از معيارهاي ريشه ميانگين مربعات خطا (RMSE)، ميانگين مربع خطا (MSE) و ضريب همبستگي (2R) مقايسه شدند. نتايج نشان مي دهد كه با استفاده از گزارش هاي حفاري روزانه، بر اساس معيارهاي فوق، مي توان به برآورد خوبي از پارامترهاي الاستيك دست يافت. همچنين در بين دو روش مورد استفاده، روش جنگل تصادفي از دقت بالاتري برخوردار هستند.
|
|
Researchers
|
Parirokh Ebrahimi (First researcher) , Hossein Sarvi (Second researcher) , Fatemeh Mohammadi nia (Third researcher) , Ali Ranjbar (Fourth researcher) , Hojat Ghimatgar (Fifth researcher)
|