پایان نامه با واژگان کلیدی حفاری، عصبی، ضریب، الگوریتم

دانلود پایان نامه

……………………………………………………………………………………………………………………………………………………………………… 84
جدول 5-14 تست نتایج بهینه‌سازی با استفاده از شبکه عصبی مدل اول ……………………………………………… 85
جدول 5-15 تعیین محدوده برای خروجی مدل پیش‌بینی گیر مکانیکی لوله حفاری …………………………. 87
جدول 5-16 عملکرد شبکه‌های عصبی استفاده شده در دو مدل …………………………………………………………… 87
جدول 5-17 نتایج بهینه‌سازی پارامترهای موثر بر گیر لوله حفاری با استفاده از الگوریتم ترکیبی ژنتیک و تجمع ذرات …………………………………………………………………………………………………………………………………………… 90
جدول 5-18 تست نتایج بهینه‌سازی با استفاده از شبکه عصبی ………………………………………………………………. 91

فهرست اشکال

عنوان صفحه

شکل 2-1 نمودار تنش-کرنش دو سنگ شکننده و شکل پذیر. نمودار سمت چپ منحنی تنش کرنش نمونه‌ی شکننده و سمت راست نمونه‌ی تغییر شکل‌پذیر ……………………………………………………………………………… 8
شکل 3-1 نمونه عصب واقعی (در این شکل اکسون ترمینال در واقع همان سیناپس است) ……………… 25
شکل 3-2 مدل یک شبکه عصبی با یک نرون و یک ورودی ……………………………………………………………………. 27
شکل 3-3 شبکه عصبی پرسپترون دو لایه (دارای سه نرون در لایه ورودی و چهار نرون در لایه پنهان و یک نرون در لایه خروجی است) …………………………………………………………………………………………………………………… 30
شکل 3-4 طرح شماتیک از یک شبکه عصبی پیمانه ای …………………………………………………………………………… 31
شکل 3-5 ساختارهای مختلف شبکه عصبی پیمانه ای …………………………………………………………………………….. 32
شکل 3-6- ابرصفحه جدایش و بردارهای پشتیبان …………………………………………………………………………………… 34
شکل 3-7 فلوچارت الگوریتم ژنتیک ……………………………………………………………………………………………………………. 38
شکل 3-8 فلوچارت الگوریتم تجمع ذرات ……………………………………………………………………………………………………. 41
شکل 3-9 شکل شماتیکی از الگوریتم ترکیبی GA&PSO ……………………………………………………………………….. 43
شکل 4-1- موقعیت جغرافیایی میدان نفتی اهواز ………………………………………………………………………………………. 46
شکل 4-2- شکل میدان مارون و تقسیم بندی آن به هشت بخش …………………………………………………………. 47
شکل 4-3- موقعیت جغرافیایی میدان نفتی مارون …………………………………………………………………………………… 48
شکل 4-4- موقعیت جغرافیایی (مختصات شمال و شرق جغرافیایی) چاه های حفر شده در میدان نفتی مارون …………………………………………………………………………………………………………………………………………………………………….. 49
شکل 5-1 نمودار ضریب رگرسیون MLP برای پیش‌بینی داده‌های UCS در مرحله تست …………………. 63
شکل 5-2 فلوچارت آموزش شبکه MLP توسط الگوریتم ژنتیک ……………………………………………………………. 64
شکل 5-3 نمودار ضریب رگرسیون MLP&GA برای پیش‌بینی داده‌های UCS در مرحله تست ……….. 65
شکل 5-4 مقایسه شبکه‌های MLP و MLP&GA بر اساس میزان خطا و سرعت همگرایی ………………… 65
شکل 5-5 مقایسه مقادیر تخمین زده شده UCS توسط هر دو شبکه با مقادیر واقعی ……………………….. 66
شکل 5-6 ضریب رگرسیون شبکه‌ی عصبی در انتخاب مته حفاری برای داده‌های تست …………………… 67
شکل 5-7 ضریب رگرسیون شبکه‌ی عصبی در پیش‌بینی نرخ نفوذ حفاری برای داده‌های تست ……. 68
شکل 5-8 نتایج بهینه‌سازی پارامترهای حفاری توسط الگوریتم ژنتیک در سایز 5/8 چاه (شکل 5-8-1)، 25/12 چاه (شکل 5-8-2) و 5/17 چاه (شکل 5-8-3) ……………………………………………………………………… 71
شکل 5-9 شبکه عصبی پیمانه‌ای استفاده شده در مدل‌سازی ………………………………………………………………… 77
شکل 5-10 ضریب رگرسیون شبکه عصبی پیمانه‌ای مدل اول در مرحله تست ……………………………………. 78
شکل 5-11 ضریب رگرسیون شبکه عصبی پیمانه‌ای مدل دوم در مرحله تست ……………………………………. 80
شکل 5-12 مقایسه MNN و MLP بر اساس دقت و سرعت همگرایی برای هر دو مدل (محور عمودی لگاریتمی است) ……………………………………………………………………………………………………………………………………………………. 81
شکل 5-13 مقایسه مقادیر واقعی و مقادیر پیش‌بینی شده هرزروی سیال حفاری در مرحله تست برای مدل اول ……………………………………………………………………………………………………………………………………………………………….. 82
شکل 5-14 مقایسه مقادیر واقعی و مقادیر پیش‌بینی شده هرزروی سیال حفاری در مرحله تست برای مدل دوم ……………………………………………………………………………………………………………………………………………………………….. 82
شکل 5-15 ضریب رگرسیون شبکه ماشین بردار پشتیبان برای داده‌های تست …………………………………. 86
شکل 5-16 ضریب رگرسیون شبکه عصبی پرسپترون چندلایه بهینه‌شده توسط الگوریتم تجمع ذرات برای داده‌های تست …………………………………………………………………………………………………………………………………………….. 88
شکل 5-17 فلوچارت آموزش شبکه عصبی توسط الگوریتم تجمع ذرات ……………………………………………… 88

این مطلب مشابه را هم بخوانید :   Management,، pp.، learning، management

فهرست نشانه‌های اختصاری

مساحت نازل …………………………………………………………………………………………………………………………..
الگوریتم کلونی مورچگان ……………………………………………………………………………………………………
هوش مصنوعی ……………………………………………………………………………………………………………………….
شبکه عصبی مصنوعی ……………………………………………………………………………………………………….
پارامتر شناختی …………………………………………………………………………………………………………………………
پارامتر اجتماعی ………………………………………………………………………………………………………………………
قیمت مته حفاری ……………………………………………………………………………………………………………………..
هزینه ثابت عملیاتی دکل حفاری ……………………………………………………………………………………………….
نمودار گامای طبیعی ……………………………………………………………………………………………………………
ضریب تصحیح زاویه ……………………………………………………………………………………………………………
ضریب تصحیح سایز خرده‌های حفاری …………………………………………………………………………………….
ضریب تصحیح وزن ……………………………………………………………………………………………………………..
قطر نازل …………………………………………………………………………………………………………………………………..
عمق حفاری ……………………………………………………………………………………………………………………………..
عمق لوله جداری ………………………………………………………………………………………………………………….
قطر مته ………………………………………………………………………………………………………………………………..
قطر آنالوس ……………………………………………………………………………………………………………………….
قطر چاه ………………………………………………………………………………………………………………………………
سایز متوسط خرده‌ها …………………………………………………………………………………………………………
چگالی خرده‌های حفاری ……………………………………………………………………………………………………….
قطر خرده‌های حفاری ……………………………………………………………………………………………………………..
مدول یانگ استاتیکی ………………………………………………………………………………………………………………
مدول یانگ دینامیکی ……………………………………………………………………………………………………………..
الگوریتم ژنتیک ……………………………………………………………………………………………………………………..
هیدروژن سولفور ………………………………………………………………………………………………………………..
متراژ حفاری ………………………………………………………………………………………………………………………………
طول حفره باز ………………………………………………………………………………………………………………………..
انجمن بین المللی پیمانکاران حفاری ……………………………………………………………………………………. IADC
پرسپترون چند لایه …………………………………………………………………………………………………………….. MLP
شبکه عصبی پیمانه‌ای ………………………………………………………………………………………………………… MNN
میانگین مربع خطا ……………………………………………………………………………………………………………….. MSE
وزن گل حفاری ……………………………………………………………………………………………………………………… MW
تعداد جمعیت …………………………………………………………………………………………………………………………….. N
نمودار تخلخل نوترون ………………………………………………………………………………………………………… NPHI
تخلخل موثر …………………………………………………………………………………………………………………………….
قطر بیرونی لوله حفاری ………………………………………………………………………………………………………
درصد تقاطع …………………………………………………………………………………………………………………………….
بهترین موقعیت محلی ذره …………………………………………………………………………………………………
بهترین موقعیت سراسری ذره ……………………………………………………………………………………………
درصد جهش

دیدگاهتان را بنویسید