سعید احدی؛ اندیشه علی مرادی؛ حمید سرخیل؛ مهیار کلهر محمدی؛ مهدی فتحی
چکیده
سابقه و هدف: فرآیند استخراج و بهره برداری از منابع نفت و گاز به چرخه تولید، ارسال و بازیافت گل حفاری یا سیال حفاری نیاز دارد، بنابراین رسیدن به ترکیب مناسب گل حفاری و بازیافت مجدد آن، به عنوان یک امر مهم و اساسی در صنعت نفت و محیط زیست به شمار می رود. به طوریکه مشخص نمودن میزان آلودگی فلزات سنگین و مواد آلی موجود در گل حفاری و ...
بیشتر
سابقه و هدف: فرآیند استخراج و بهره برداری از منابع نفت و گاز به چرخه تولید، ارسال و بازیافت گل حفاری یا سیال حفاری نیاز دارد، بنابراین رسیدن به ترکیب مناسب گل حفاری و بازیافت مجدد آن، به عنوان یک امر مهم و اساسی در صنعت نفت و محیط زیست به شمار می رود. به طوریکه مشخص نمودن میزان آلودگی فلزات سنگین و مواد آلی موجود در گل حفاری و کنده های حفاری به صورت غیر مستقیم می تواند حائز اهمیت باشد.مواد و روش ها: در این تحقیق سعی شده است که میزان آلودگی کنده های حفاری، با وجود پارامترهای سازندی در 10 چاه نفتی حفاری شده در اعماق مختلف (66 دسته داده)، به کمک رگرسیون یادگیری حدی شبکه عصبی مصنوعی، تخمین زده شود.نتایج و بحث: تعداد 60 دسته داده از داده های تهیه شده به منظور تخمین میزان تغییر در غلظت فلزات سنگین، هیدروکربن های آروماتیک چند حلقه ای در فرآیند یادگیری و آزمون دخالت داده شده اند و 6 دسته داده دیگر مربوط به یک چاه که به طور تصادفی انتخاب شده و در فرآیند اعتبارسنجی شبکه عصبی مصنوعی استفاده شده اند. الگوریتم رگرسیون یادگیری حدی برای 10 عنصر سنگین و 10ترکیب آروماتیک آلوده کننده ی کنده و گل حفاری بر روی دو سری داده ی مختلف در یک منطقه ی حفاری در یکی از میادین نفتی جنوب ایران مورد ارزیابی قرار گرفت.نتیجه گیری: تخمین میزان آلودگی کنده های حفاری وگل حفاری با استفاده از الگوریتم مورد استفاده در تحقیق مناسب بوده و در پروسه های بعدی صیانت از محیط زیست از قبیل فرآیند تثبیت آلودگی ها و بازیافت گل حفاری نقش کارآمدی خوهد داشت.
