文献

J-GLOBAL ID：202202244554923283   整理番号：22A0104079

アンサンブル学習モデルを用いた垂直複合岩の掘削時の貫入予測速度【JST・京大機械翻訳】

Rate of penetration prediction while drilling vertical complex lithology using an ensemble learning model

著者 (4件)： Alsaihati Ahmed (Department of Petroleum Engineering, King Fahd University of Petroleum & Minerals, Dhahran, 31261, Box: 5049, Saudi Arabia) ,  Elkatatny Salaheldin (Department of Petroleum Engineering, King Fahd University of Petroleum & Minerals, Dhahran, 31261, Box: 5049, Saudi Arabia) ,  Elkatatny Salaheldin (Petroleum Engineering Department, Cairo University, 12613, Giza, Egypt) ,  Gamal Hany (Department of Petroleum Engineering, King Fahd University of Petroleum & Minerals, Dhahran, 31261, Box: 5049, Saudi Arabia)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 208  号： PA  ページ： Null  発行年： 2022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： 浸透速度(ROP)は全掘削コストのかなりの部分を占める。したがって,機械的ドリル加工パラメータの調整を含む掘削最適化プロセスは,効率的なドリル加工を確実にするのに極めて重要である。しかし,岩石学のタイプによる掘削形成は,ROPを予測するとき,不確実性を減らし,信頼性を高めるために,より多くのパラメータの関与を必要とする。この論文の目的は,人工ニューラルネットワーク(ANN)と適応ニューロファジー推論システム(ANFIS)がベース学習者モデルであるランダムフォレスト(RF)に基づくアンサンブルモデルを導入し,本研究における異なる岩石学的形成を通してROPを予測するため,Well-1の2つのタイプの実際のフィールドデータを採用してモデルを作成した。(i)リグサイトに割り当てられたリアルタイムセンサから収集された機械的掘削パラメータ,および(ii)従来の坑井検層から得られた岩石物理特性。基本学習者(すなわちANNとANFIS),スタンドアロンRF,およびRF-メタモデルの性能を比較するために,2300以上のデータ点を持つ井戸-2を用いて,最も早い公開ROP経験的モデル(MaurerとBinghamのモデル)の2つでROPを予測した。結果は,RF-メタモデルが,ベース学習者とMaurerおよびBinghamの経験的モデルを,低絶対平均百分率誤差(AAPE)が7.8%で,高い決定係数(R2)が0.94で,Well-2のROPの予測において優れていることを示した。Copyright 2022 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： 最適化 ,  岩石学 ,  信頼性 ,  不確実性 ,  ドリル ,  *岩石 ,  検層 ,  主成分分析 ,  ドリル加工 ,  ファジィニューラルネットワーク
準シソーラス用語： *アンサンブル学習 ,  学習者 ,  メタモデル ,  ランダムフォレスト ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 浸透速度 ,  複雑な岩石学 ,  主成分分析 ,  人工知能 ,  アンサンブル学習

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (7件)： アンサンブル ,  学習モデル ,  垂直 ,  岩 ,  掘削 ,  貫入 ,  予測