Las tensiones principales mínimas de las formaciones de fondo de pozo incluyen la tensión horizontal mínima (σmin) y la tensión horizontal máxima (σmax). σmin y σmax son parámetros sustanciales que afectan significativamente al diseño y la optimización del proceso de perforación. Estas tensiones pueden estimarse utilizando ecuaciones teóricas, además de algunas pruebas de campo, por ejemplo, la prueba de fugas para incluir el efecto de la tensión tectónica. Este enfoque está asociado a muchos problemas técnicos y financieros. Por lo tanto, el objetivo de este estudio es proporcionar una solución novedosa basada en el aprendizaje automático para estimar estas tensiones durante la perforación. En primer lugar, se desarrollaron nuevos modelos mediante redes neuronales artificiales (RNA) para predecir directamente σmin y σmax a partir de los datos de perforación, que son la velocidad de inyección (Q), la presión de la tubería vertical (SPP), el peso sobre la broca (WOB), el par de torsión (T) y la velocidad de penetración (ROP). Estos datos están siempre disponibles durante la perforación y, por tanto, no requieren ningún coste adicional. Se recogieron datos reales de un yacimiento de Oriente Medio, se analizaron estadísticamente y se introdujeron en los modelos. En primer lugar, las predicciones de los modelos mostraron una coincidencia significativa con los valores de tensión reales, con un coeficiente de correlación (valor R) superior a 0,90 y un error medio absoluto (MAPE) de 0,75
s como máximo. En segundo lugar, se generaron nuevas ecuaciones empíricas basadas en los modelos desarrollados basados en RNA. A continuación, las nuevas ecuaciones se validaron utilizando otro conjunto de datos no visto del mismo campo. Las predicciones tenían un valor R de 0,98 y 0,93, además de un MAPE de 0,36
y 0,96 para los modelos σmin y σmax, respectivamente. Los resultados demostraron el rendimiento superior de las ecuaciones basadas en RNA desarrolladas para estimar las tensiones principales mínimas a partir de los datos de perforación con alta precisión de una manera oportuna y económicamente eficaz.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Efecto de la temperatura de reacción en el rendimiento de carbono y la morfología de los CNT sobre nanopartículas de níquel cargadas de cobre
Artículo:
Hashing personalizado basado en MapReduce y sensible a la localidad para uniones similares en datos a gran escala
Artículo:
Diseño axiomático de un marco para la optimización integral de los flujos de pacientes en hospitales
Artículo:
Aplicación de un modelo de red neuronal para la predicción de las propiedades de desgaste de compuestos de polietileno de peso molecular ultraalto
Artículo:
Mecanismo de incentivos basado en la calidad para la detección móvil de multitudes
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible