کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8124804 | 1522774 | 2018 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A new pattern recognition model for gas kick diagnosis in deepwater drilling
ترجمه فارسی عنوان
یک مدل تشخیص الگوی جدید برای تشخیص زاویه گاز در حفاری عمیق آب
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تشخیص الگو، حفاری، کیک، تشخیص گسل، احتمال
ترجمه چکیده
تشخیص زود هنگام زود هنگام مهم است که احتمال بروز خطرات خوب را داشته باشیم که در زمینه حفاری عمیق آب ایمنی و مالی جدی دارند. در این مقاله، یک مدل تشخیص الگو جدید برای تشخیص زودرس ارائه شده است. در مدل، تشخیص روند برای تصمیم گیری خوب بر اساس داده های حفاری پر سر و صدا استفاده می شود. مدل یکپارچه شامل دو بخش است: (1) یک مدل جریان جریان چاه پویا، که حالت ضربه را از طریق شبیه سازی جریان چند مرحله ای استخراج می کند؛ و (2) الگوریتم اندازه گیری ضریب تقریبی و تقریبی بهبود یافته است. مدل پیشنهادی با موفقیت خطاهای الکتریکی را در زمان واقعی تشخیص داده و آن را به خوبی در میدان اعمال می کند. این باعث بهبود حساسیت قابل توجهی می شود در حالی که کاهش میزان هشدار اشتباه ناشی از داده های مبهم باعث می شود که رویدادهای ضربه ای و بدون ضربه به درستی استخراج و به سرعت شناسایی شوند. این مدل یک تلاش جدید برای مقابله با مشکل تشخیص زود هنگام زودهنگام از طریق شناسایی الگو است.
موضوعات مرتبط
مهندسی و علوم پایه
علوم زمین و سیارات
زمین شناسی اقتصادی
چکیده انگلیسی
Early kick detection is important to reduce the possibility of well blowouts, which have serious safety and financial implications in deepwater drilling. In this paper, a novel pattern recognition model for kick diagnosis is proposed. In the model, trend detection is used to make good decisions based upon noisy drilling data. The integrated model comprises two parts: (i) a dynamic wellbore flow model, which extracts the kick mode via multiphase flow simulation; and (ii) improved piecewise approximation and similarity measure algorithms. The proposed model successfully diagnoses gas kick faults in real time when it is applied in a field well. It offers significant sensitivity improvements while reducing the false alarm rate caused by ambiguous data, as both kick and non-kick events are accurately extracted and rapidly identified. This model is a new attempt to combat the problem of early kick detection via pattern recognition.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Petroleum Science and Engineering - Volume 167, August 2018, Pages 418-425
Journal: Journal of Petroleum Science and Engineering - Volume 167, August 2018, Pages 418-425
نویسندگان
Xiaohui Sun, Baojiang Sun, Shuai Zhang, Zhiyuan Wang, Yonghai Gao, Hao Li,