01 دی 1403
دانشگاه خلیج فارس
English
حبیب رستمی
مرتبه علمی:
دانشیار
نشانی:
دانشکده مهندسی سیستم های هوشمند و علوم داده - گروه مهندسی کامپیوتر
تحصیلات:
دکترای تخصصی / کامپیوتر
تلفن:
0773
دانشکده:
دانشکده مهندسی سیستم های هوشمند و علوم داده
پست الکترونیکی:
habib [at] pgu [dot] ac [dot] ir
صفحه نخست
فعالیتهای پژوهشی
عناوین دروس
مشخصات پژوهش
عنوان
بهبود نرخ نفوذ حفاری به کمک روشهای هوش مصنوعی
نوع پژوهش
مقالات در همایش ها
کلیدواژهها
Artificial Intelligence, Drilling
پژوهشگران
حجت طریفی (نفر اول)
،
عباس خاکسار منشاد (نفر دوم)
،
حبیب رستمی (نفر سوم)
چکیده
یک عملیات حفاری موفق، دارای نرخ نفوذ بالای حفاری، بدون هیچگونه مشکلات حفاری است. تعداد زیادی از فاکتورها از قبیل هزینه، ایمنی و تکمیل چاه، به روند بهینهسازی حفاری بستگى دارند. در عملیات حفاری نرخ نفوذ، عامل اصلى بهینهسازی است. نرخ نفوذ به عواملی از قبیل نوع مته، خصوصیات سازند، وزن روی مته سرعت چرخش رشته حفاری و خصوصیات گل بستگی دارد. فرآیند بهینهسازی، با استفاده از پارامترهای قابل کنترل و موثر بر نرخ نفوذ، همانند نوع مته، وزن روی مته، سرعت چرخش رشته حفاری و خصوصیات گل صورت میپذیرد. نوشته حاضر دستیابی به پارامترهای بهینه در یک میدان نفتی، واقع در جنوب غربی ایران را دنبال میکند. در این پروژه برای بهینهسازی عملیات حفاری از روشهای هوش مصنوعی استفاده کردهایم، به گونهای که ابتدا دو مدل به کمک شبکههای عصبی برای تعیین نوع مته و نرخ نفوذ توسعه یافتند، سپس ورودیهای مدل دوم توسط الگوریتم ژنتیک برای دستیابی به حداکثر نرخ نفوذ، بهینه میشوند. ضریب 0 بدست آمد.