文献

J-GLOBAL ID：202002215449599154   整理番号：20A1325023

機械学習技術を用いた新しい厳密掘削速度予測モデルの開発【JST・京大機械翻訳】

Developing a new rigorous drilling rate prediction model using a machine learning technique

著者 (4件)： Mehrad Mohammad (Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology, Shahrood, Iran) ,  Bajolvand Mahdi (Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology, Shahrood, Iran) ,  Ramezanzadeh Ahmad (Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology, Shahrood, Iran) ,  Neycharan Jalil Ghavidel (Department of Information Technology and Computer Engineering, Azarbaijan Shahid Madani University, Tabriz, Iran)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 192  ページ： Null  発行年： 2020年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 貫通率(ROP)予測は,掘削制御可能パラメータを最適化するための非常に重要なステップである。したがって,まだ進行中であるより正確な推定モデルを提示するために,多くの努力がなされてきた。文献レビューの結果は,2つのアプローチ,すなわち,ROPモデリング,すなわち,物理ベースモデルおよびデータ駆動方法の間で,データ駆動方法の使用が,著しく成長することを示した。文献レビューは2点を明確にした。(1)地球力学パラメータは適切に考慮されず,(2)以前の研究は,最小自乗サポートベクターマシン(LSSVM)と,カッコウ最適化アルゴリズム(COA),粒子群最適化(PSO),および遺伝的アルゴリズム(GA)との組み合わせを適用した。これは,南西イランで掘削された垂直井でのROPモデリングのためのハイブリッドアルゴリズムの使用につながった。この目的のために,泥検層パラメータ(深さ(Deth)),泥密度(MD),トルク(Tor),スタンドパイプ圧力(SPP),等価循環密度(ECD),ビット上の重量(WOB),1分当たりの回転(RPM),流量(FR),およびROP(γ線(GR),多孔性(NPHI),密度(RHOB),および一軸圧縮強度(UCS))を,研究した井戸に沿って収集した。調べた特徴のヒストグラム解析とペアワイズ評価はデータ点間の異常値の存在を示した。従って,オプシロン法を用いて異常値を省略した。続いて,ROP予測における最も関連する特徴を,多層パーセプトロン(MLP)ニューラルネットワークと非優越ソーティング遺伝的アルゴリズムII(NSGA-II)の組合せを用いて選択した。結果は,1つがROP推定モデルへの入力パラメータ数の増加によってモデリング誤差を減衰できることを示した。しかし,入力パラメータの数が6を超えたとき,改良は非常に微妙な。したがって,6つのパラメータ(UCS,FR,WOB,深さ,MD,およびRPM)を,LSSVM-COA,LSSVM-PSO,およびLSSVM-GAハイブリッドアルゴリズムを用いたROPモデリングのために使用した。これらのハイブリッドアルゴリズムを適用した結果,LSSVM-COAは精度および決定係数に関して他の2つのアルゴリズムより優れていることを示した。次のステップでは,LSSVM-COAを,異常値と生データセットの両方で訓練し,非常に正確で信頼性のあるモデルの達成における異常値省略段階の重要な役割を示した。LSSVM-COAハイブリッドモデルの性能を評価するために,このモデルを,サポートベクトル回帰(SVR)-COA,MLP-COA,Motahhari,線形多変量回帰(LMR),および非線形多変量回帰(NLMR)モデルと比較した。結果は,調べたモデルよりもLSSVM-COAモデルのすぐれた精度を確認した。他のモデルと比較して,LSSVM-COAモデルによる訓練と試験段階における誤差の得られたレベル間の小さな差異は,このモデルが,現場にわたって他の井戸でのROPの予測に使用可能であり,このモデルが,現場にわたるより大きなデータセットで開発されることを明らかにした。試験井での高精度のROPの予測は,この主張を明確に証明した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最小二乗法 ,  最適化 ,  流量 ,  トルク ,  文献展望 ,  異常値 ,  多層パーセプトロン ,  遺伝的アルゴリズム ,  *予測モデル ,  サポートベクトルマシン
準シソーラス用語： ハイブリッドモデル ,  ハイブリッドアルゴリズム ,  サポートベクトル回帰 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 浸透(ROP)モデリングの速度 ,  NSGA-II ,  物理ベースモデル ,  データ駆動法 ,  ハイブリッドアルゴリズム

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (4件)： 機械学習技術 ,  掘削 ,  予測モデル ,  開発