پيش بيني تنش القايي در پوشش بتني سنگهاي مستعد تورم بااستفاده از سيستم استنتاج تطبيقي نرو-فازي

Prediction of induced stress in concrete liner of swellable rocks using Adaptive-Network Based Fuzzy Inference System

بر پایه مطالعات گسترده‌ای كه تاكنون صورت گرفته است، بدون تردید، نقش داده‌های سرعت موج برشی در ارزیابی‌ مخازن هیدروكربوری حیاتی است. استفاده از اطلاعات سرعت موج برشی، اغلب این امكان را فراهم می‌سازد كه بتوان اثرات لرزه‌ای پارامترهایی چون سنگ‌شناسی، نوع سیال منفذی و فشار منفذی را شناسایی كرد. متاسفانه معمولا داده‌های سرعت موج برشی در بسیاری از میادین موجود نیستند و باید آنرا به‌توسط روش‌های دیگر برآورد نمود. مطالعه حاضر بر روی یك چاه از یك میدان نفتی در جنوب كشور صورت گرفته كه در آن سرعت موج برشی در طول چاه اندازه‌گیری شده است. در این بررسی، سرعت موج برشی از دو روش روابط فیزیك سنگ و شبكه‌های عصبی تخمین زده شد و نتایج با مقدار واقعی سرعت موج برشی، كه در همان چاه اندازه‌گیری شده بود، مقایسه گردید. با استفاده از روابط فیزیك سنگ، همبستگی مقادیر تخمینی سرعت موج برشی و مقادیر اندازه‌گیری شده حدود 91/0 به‌دست آمده است. این در حالی است كه این همبستگی در صورت استفاده از شبكه‌های عصبی مصنوعی به حدود 95/0 می‌رسد. نتایج به دست آمده مناسب بودن استفاده از هر یك از این دو روش را برای تخمین سرعت موج برشی در چاه های دیگر این میدان، تایید می‌كند.

Concrete liner of excavations in swellable rocks is under time dependent stress. One of the most famous methods for determining the stress is compensation method using flat-jacks. As the first step, measuring pins are cemented on the surface of the concrete lining in an appropriate arrangement on both sides of the planned cut. The distances between the pins are recorded by an accurate displacement sensor. Following the zero measurement, a slot is cut with a diamond-tipped circular saw blade. Hydraulic pressure cell (flat-jack) is inserted into the slot and is connected with a hydraulic pump fitted to a precision manometer. Finally, the flat jack is loaded until the relief-induced deformations are compensated. Since swelling is a time dependent behavior, the stress of liner changes with time. This needs a periodic measurement using heavy pumping device and requires a time consuming process. In this paper, the ability of adaptive network based fuzzy inference system is examined to predict the mentioned stresses. The performed compensation test at Masjed-Soleiman underground power house has been used as an example to illustrate the method. Using this method an engineer is enabled to predict the lining stress by reading the slot closure across a flat jack device.