Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  MNR
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Rate of penetration (ROP) is one of the key indicators of drilling operation performance. The estimation of ROP in drilling engineering is very important in terms of more accurate assessment of drilling time which affects operation costs. Hence, estimation of a ROP model using operational and environmental parameters is crucial. For this purpose, firstly physical and mechanical properties of rock were derived from well logs. Correlation between the pair data were determined to find influential parameters on ROP. A new ROP model has been developed in one of the Azadegan oil field wells in southwest of Iran. The model has been simulated using Multiple Nonlinear Regression (MNR) and Artificial Neural Network (ANN). By adding the rock properties, the estimation of the models were precisely improved. The results of simulation using MNR and ANN methods showed correlation coefficients of 0.62 and 0.87, respectively. It was concluded that the performance of ANN model in ROP prediction is fairly better than MNR method.
PL
Prędkość wiercenia jest jednym z podstawowych parametrów charakteryzujących tempo prac wiertniczych. Oszacowanie prędkości wiercenia jest zagadnieniem kluczowym dla inżynierów wiertnictwa, gdyż pozwala na dokładne określenie czasu trwania prac, a co za tym idzie także kosztów operacyjnych. Szacowanie prędkości wiercenia odbywa się na podstawie modelu uwzględniającego parametry pracy oraz parametry środowiskowe. Pierwszy krok obejmuje pozyskanie danych o fizycznych i mechanicznych właściwościach skał na podstawie profilowania geofizycznego otworu. Zastosowano korelację odpowiednich par danych dla pokreślenie wpływu głównych czynników warunkujących prędkość wiercenia. Nowy model obliczania prędkości wiercenia opracowany został w okręgu naftowym Azadegan w południowo-zachodniej części Iranu. Symulacje prowadzono w oparciu o metodę wielokrotnej regresji nieliniowej a także przy wykorzystaniu sztucznych sieci neuronowych. Poprzez dodanie danych o właściwościach skał, model został znacznie udoskonalony. Wyniki symulacji prowadzonych w oparciu o powyższe metody wykazały współczynniki korelacji na poziomie 0.62 i 0.87. Stwierdzono, że metoda wykorzystująca sztuczne sieci neuronowe daje dokładniejsze szacunki prędkości wiercenia niż podejście bazujące wyłącznie na metodzie obliczania regresji nieliniowej
PL
W niniejszym artykule przedstawiono metodykę wyznaczania wartości odstających dla testów wytrzymałościowych próbek kompozytowych. Wykonano przegląd literatury stosowanych metod postępowania z wynikami odstającymi, a także przeanalizowano możliwe przyczyny ich występowania w przypadku testowania materiałów kompozytowych. Badania przeprowadzono na wynikach dwóch serii próbek: jednej z badania rozciągania i jednej z testu ścinania, różniących się dodatkowo wielkością próby. Wpracy zweryfikowano rozrzut wartości analizowanych podczas prób ściskania i ścinania. Do wskazania rezultatów odstających użyto metody MNR (metoda maksymalnej znormalizowanej reszty, (Maximum Normed Residual). Dla każdej z prób wyliczono współczynnik MNR i porównano go z wartością krytyczną CV (Critical Value), odpowiadajacą wielkości próby danej serii próbek. Po przeprowadzonej analizie wskazano wyniki odstające i proces postępowania z nimi.
EN
The article presents methodology of outliers determination for composites specimens strength tests. Review of the literature was made to analyze methods of proceedings with outliers, and to get know possible causes of their occurrence for composite materials. Research has been done with the results of one tension test and one in plane shearing test. The article verified dispersion of max. recorded stress values. The MNR method (Maximum Normed Residual) was used to indicate outliers. The MNR coefficient was calculated for each test. Next, it was compared with corresponding CV (Critical Value). After an analysis, outliers were indicated and it was explained what happened with them next.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.