عنوان
پيشبيني انرژي ويژه و نرخ پيشروي عمليات حفاري با استفاده از تحليل سيگنالهاي آوايي
نويسنده اصلي
خشوعي اصفهاني، مهربد
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي معدن
مقطع تحصيلي
دكتري
چكيده
فرايند حفاري به عنوان يكي از عمليات هاي مهم در استخراج مواد معدني و نفت به‌طور مستقيم بر هزينه‌هاي پروژه اثرگذار است و مديريت و بهينه‌سازي اين فرايند از اهميت زيادي برخوردار است. به همين منظور در اين تحقيق به رفتار¬سنجي فرايند حفاري با انرژي ويژه حفاري و نرخ نفوذ بوسيله سيگنالهاي آوايي توليد شده در حين حفاري پرداخته شده است. پس از اجراي آزمايش‌هاي حفاري به پردازش سيگنالهاي توليد شده در حين عمليات پرداخته شد و ارتباط سيگنال‌ها با انرژي و نرخ نفوذ حفاري مورد ارزيابي قرار گرفت. با شروع عمليات حفاري در مقياس آزمايشگاهي بر روي هر نمونه سنگ به طور پيوسته مصرف انرژي و نرخ نفوذ و رفتار سيگنالهاي آوايي و لرزشي بررسي شد. با توجه به ميزان مصرف انرژي حفاري و نرخ نفوذ مشاهده شده سه مرحله حفاري در طول عمر سرمته شناسايي شد. روند تغيير سيگنالهاي آوايي و لرزشي مشابه با روند تغييرات نرخ نفوذ و انرژي ويژه بود. مراحل شناسايي شده در حالت حفاري با توجه به روند مصرف انرژي و نرخ نفوذ با استفاده از روش‌هاي يادگيري ماشين و ارزيابي‌هاي آماري مورد تحليل قرار گرفتند. در اين حالت در بين روش‌هاي مختلف روش شبكه عصبي مصنوعي با دقت 895/0 بالاترين دقت را دارا بود. نتايج تائيد كننده صحت و كارايي تقسيم‌بندي تعريف شده براي حالت حفاري بود. پس از اين مرحله با پردازش سيگنالهاي آوايي و لرزشي در حالات مختلف حفاري و وجود ارتباط نزديك ميان سيگنالهاي آوايي و لرزشي با انرژي ويژه و نرخ نفوذ حفاري، به ارزيابي آماري و توسعه مدل‌هاي هوشمند با هدف طبقه‌بندي حالت حفاري و پيشبيني مقادير انرژي ويژه و نرخ نفوذ پرداخته شد. پس از اجراي مدل‌ها و آزمايش و اعتبار سنجي بر روي داده‌هاي آزمايش مشاهده شد كه روش جنگل تصادفي با دقت 836/0 بهترين نتيجه را در طبقه‌بندي حالت حفاري با استفاده از سيگنالهاي آوايي و لرزشي حفاري دارد. در مرحله پيشبيني مقادير انرژي ويژه و نرخ نفوذ حفاري با استفاده پارامترهاي سيگنالهاي آوايي و لرزشي منتشر شده در حين حفاري نيز از مدل‌هاي يادگيري ماشين مختلفي استفاده شد و نتايج با يكديگر مقايسه شدند. با مقايسه نتايج روش‌هاي مختلف مشاهده شد كه روش شبكه عصبي مصنوعي با مقدار R2 99/0 بهترين نتيجه را در پيشبيني مقدار انرژي ويژه حفاري را دارد. در بخش پيشبيني نرخ نفوذ در سنگ نيز بررسي‌ها نشان داد كه مدل‌هاي درخت تصميم و جنگل تصادفي با مقدار R2 82/0 بهترين نتيجه را در پيشبيني مقدار نرخ نفوذ فرايند حفاري دارد.
شماره ركورد
230647
گرايش رشته تحصيلي
استخراج مواد معدني
دانشكده
مهندسي معدن
دانشگاه
دانشگاه صنعتي اصفهان