چکیده مقاله
شناسایی Kick در مراحل اولیه به پر سنل زمان بیشتری می دهد تا آن را کنترل کنند و در نتیجه عملیات حفاری ایمن تر و کارآمدتر انجام شود چهار مدل برای بهینه سازی تشخیص Kick تولید و ارزیابی شده اند: درخت تصمیم گیری، KNN ، SMO و شبکه عصبی مصنوعی این مدل هابرای تشخیص Kick بر اساس موارد Kick واقعی آموزش دیده اند مدل ها پیش بینی Kick را فقط با استفاده از پارامترهای سطحی مانند: فشار سنجها، جریان سنج ها، بار قلاب، نرخ نفوذ، گشتاور، جریان خروجی پمپ و وزن روی مته انجام می دهندکه ورودی های ما به شبکه هستند و وقوع یاعدم وقوع Kick داده های خروجی ما از مدل ها می باشند سپس عملکرد چهار مدل ارزیابی و مقایسه می شود
کلیدواژهها
Kick داده داده کاوی کنترل چاه شبکه های عصبی هوش مصنوعی data
نویسندگان
سعید هاشم زاده کلواری
کارشناسی مهندسی نفت دانشگاه گرمسار
شیوه ارجاع
هاشم زاده کلواری، سعید،1400،تشخیص و پیش بینی Kick با استفاده از علم داده،نهمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندس�
ارائهشده در
مجموعه مقالات نهمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی9 مرداد 1400