دانلود مقاله ISI انگلیسی شماره 107875
ترجمه فارسی عنوان مقاله

روشی جامع داده کاوی برای برآورد میزان نفوذ: استفاده از شبکه عصبی، مدل های مبتنی بر قانون و رتبه بندی ویژگی

عنوان انگلیسی
A comprehensive data mining approach to estimate the rate of penetration: Application of neural network, rule based models and feature ranking
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
107875 2017 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 4580 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 54,960 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 109,920 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Petroleum Science and Engineering, Volume 156, July 2017, Pages 605-615

ترجمه کلمات کلیدی
نرخ نفوذ، ویژگی رتبه بندی، جنگل تصادفی شبکه عصبی، استخراج قانون، داده کاوی،
کلمات کلیدی انگلیسی
Rate of penetration; Feature ranking; Random forest; Neural network; Rule extraction; Data mining;
پیش نمایش مقاله
پیش نمایش مقاله روشی جامع داده کاوی برای برآورد میزان نفوذ: استفاده از شبکه عصبی، مدل های مبتنی بر قانون و رتبه بندی ویژگی

چکیده انگلیسی

Rate of Penetration (ROP) estimation is one of the main factors in drilling optimization and minimizing the operation costs. However, ROP depends on many parameters which make its prediction a complex problem. In the presented study, a novel and reliable computational approach for prediction of ROP is proposed. Firstly, fscaret package in R environment was implemented to find out the importance and ranking of the inputs parameters. According to the feature ranking technique, weight on bit and mud weight had the highest impact on ROP based on their ranges within this dataset. Also, for developing further models Cubist method was applied to reduce the input vector from 13 to 6 and 4. Then, Random Forest (RF) and Monotone Multi-Layer Perceptron (MON-MLP) models were applied to predict ROP. The goodness of fit for all models were measured by RMSE and R2 in 10-fold cross validation scheme, and both models showed a reliable accuracy. In order to gain a deeper understanding of the relationships between input parameters and ROP, MON-MLP model with 6 inputs was used to check the effect of weight on bit, mud weight and viscosity. Finally, RF model with 4 variables was used to extract the most important rules from dataset as a transparent model.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 4580 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 54,960 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 109,920 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.