Estimation of mechanical properties of rock using artificial intelligence
| Autor: | Galvis Carreño, Laura Viviana, Ochoa, Cesar Augusto, Arguello Fuentes, Henry, Carvajal Jiménez, Jenny Mabel, Calderón Carrillo, Zuly Himelda |
|---|---|
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2011 |
| Předmět: |
propiedades mecánicas
as propriedades petrofísicas inteligencia artificial propriedades mecânicas algoritmo genético petrophysical properties redes neurais artificiais mechanical properties artificial intelligence inteligência artificial genetic algorithm algoritmos genéticos propiedades petrofísicas red neuronal artificial artificial neural network |
| Zdroj: | Ingeniería y Ciencia, Volume: 7, Issue: 14, Pages: 103-83, Published: DEC 2011 |
| Popis: | Este artículo presenta la forma como fueron combinadas dos técnicas de inteligencia artificial, redes neuronales y algoritmos genéticos, para el desarrollo de una herramienta computacional utilizada para la estimación de propiedades mecánicas tales como la resistencia a la tensión, la resistencia a la compresión uniaxial y la resistencia a la compresión triaxial en areniscas, a partir de propiedades petrofísicas utilizando datos de pruebas del Laboratorio de Mecánica de Rocas del Instituto Colombiano del Petróleo - Ecopetrol S.A. como datos de entrenamiento facilitando el diseño de ensayos no destructivos con cierto grado de confianza y dando lugar a una reducción de costos. Este artigo discute como duas técnicas foram combinadas de inteligência artificial, redes neurais e algoritmos genéticos para o desenvolvimento de uma ferramenta computacional utilizada para o cálculo das propriedades mecânicas como resistência à tração, resistência à compressão uniaxial e resistência à compressão triaxial em arenitos de propriedades petrofísicas utilizando dados de testes do Laboratório de Mecânica das Rochas da Colômbia Petroleum Institute Ecopetrol SA como dados de treinamento para facilitar o desenho de ensaios não-destrutivos com algum grau de confiança, resultando em redução de custos. This paper discusses how two artificial intelligence techniques were combined, neural networks and genetic algorithms for the development of a computational tool used for the estimation of mechanical properties such as tensile strength, uniaxial compressive strength and triaxial compressive strength in sandstones, from petrophysical properties using data from tests of Rock Mechanics Laboratory of the Colombian Petroleum Institute Ecopetrol SA as training data, to improve the design of non-destructive testing with some degree of confidence and resulting in cost reduction. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|