|
Title
|
مروري بر كاربرد يادگيري ماشين در پيشبيني مخاطرات و مشكلات حفاري
|
|
Type
|
Article
|
|
Keywords
|
مشكلات حفاري، گير لوله، هرزروي گردش سيال حفاري، شكستگي در سازند، لرزش كابل حفاري، يادگيري ماشين
|
|
Abstract
|
هزينه بالاي عمليات حفاري منجر به افزايش چالش ها در بهينه سازي عمليات حفاري شده است. رمز موفقيت در كاهش اين هزينه ها طراحي برنامه چاه بر اساس پيش بيني مسائل و مشكلات بالقوه حفاري مي باشد. در چند دهه گذشته، صنعت حفاري تمايل روز افزوني به يادگيري ماشين براي پيش بيني مشكلات حفاري نشان داده است. اين مقاله، مروري جامع از مطالعات مرتبط با بكارگيري يادگيري ماشين در پيش بيني رويدادهاي پر مخاطره حفاري را ارائه مي كند. در هر مطالعه، الگوريتم هاي يادگيري ماشين، تعداد نقاط داده، پارامترهاي ورودي و خروجي به ماشين و عملكرد الگوريتم مربوطه از مطالعات پيشين استخراج شده است. علاوه بر اين، محدوديت ها، شباهت هاي مطالعات در هر دسته خلاصه شده و مروري از ادبيات به همراه توصيه هايي براي توسعه مطالعات آينده ارائه شده است. اين بررسي ها نشان مي دهد كه الگوريتم شبكه عصبي مصنوعي محبوب ترين روش در بين الگوريتم هاي يادگيري ماشين در مطالعات انجام شده است؛ اين در حالي است كه ديگر الگوريتم ها نظير الگوريتم ماشين بردار پشتيبان و جنگل تصادفي ممكن است عملكرد بهتري را در استخراج نتايج از خود نشان دهند. همچنين لازم به ذكر است، بسياري از مدل هاي هوشمند ارائه شده توسط پژوهشگران از نمونه هاي محدود و براي شرايط خاص ارائه نتايج چنين مطالعاتي ممكن است قابل تعميم نباشد.
|
|
Researchers
|
Parirokh Ebrahimi (First researcher) , Ali Ranjbar (Second researcher)
|