人工知能技術を用いた連続静的弾性率プロファイルを構築するための掘削データベースアプローチ【JST・京大機械翻訳】

Siddig Osama Mutrif; Al-Afnan Saad Fahaid; Elkatatny Salaheldin Mahmoud; Abdulraheem Abdulazeez

文献

J-GLOBAL ID：202102233995943806 整理番号：21A2585060

人工知能技術を用いた連続静的弾性率プロファイルを構築するための掘削データベースアプローチ【JST・京大機械翻訳】

Drilling Data-Based Approach to Build a Continuous Static Elastic Moduli Profile Utilizing Artificial Intelligence Techniques

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A2585060&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A2585060&from=J-GLOBAL&jstjournalNo=A0797B") }}

著者 (4件)： , , ,
資料名：
巻： 144 号： 2 ページ： Null 発行年： 2022年
JST資料番号： A0797B ISSN： 0195-0738 CODEN： JERTD2 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Young率は,材料剛性を反映する原理的地質力学的特性である。岩石の機械的性質に関する良好な知識は,破砕設計およびin situ応力推定を著しく促進する。従来,岩石弾性特性は,静的および動的として知られている,それぞれ,実験的あるいは坑井検層データのいずれかで推定される。コアサンプルに関するコンダクタンス実験は,コストがかかり,時間がかかり,連続情報を提供しない。しかし,動的Young率は完全なプロファイルを与えるが,音響検層のアベイラビリティを必要とし,その推定は静的値とは異なる。この論文の目的は,掘削リグセンサ記録を用いてYoung率の連続プロファイルを作成することである。提示したアプローチは,ドリルパイプトルク,ビット上の重量,および浸透速度のようなドリル加工データが,追加コストなしで初期段階で利用可能であるという事実に依存する。3つの機械学習アルゴリズムを用いて,掘削データをYoung率,ランダムフォレスト,適応ニューロファジー推論システム,および機能的ネットワークと相関させた。本研究では,2つの異なるデータセットを用いて,1つの構成とテストを行い,他方をアルゴリズムから隠し,その後,構築したモデルを検証するために用いた。2つのデータセットは3900以上のデータ点を含み,異なるタイプの岩石をカバーする。利用した3つの方法のうち2つは,与えられた値と予測値の間に顕著な整合をもたらした。相関係数は0.92から0.99で,平均絶対百分率誤差は13%以下であった。これらの結果によって支持され,弾性係数を予測するための掘削データと人工知能技術の利用は有望である。このアプローチは,同じ目的のための他の機械学習法の性能の他に,他の地球力学的特性のために調査できた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

著者キーワード (7件)： , , , , , ,

坑井掘さく一般

, , , , ,

前のページに戻る