سایت شخصی صادق سلمانی

ولتست، یادگیری ماشین، پایتون، فرازآوری مصنوعی

سایت شخصی صادق سلمانی

ولتست، یادگیری ماشین، پایتون، فرازآوری مصنوعی

سایت شخصی صادق سلمانی

مطالبی که در این سایت نوشته می‌شود به منزله تخصص من در آن‌ها نمی‌باشد، بلکه صرفاً آغازی است در مسیری طولانی برای یادگیری بهتر و عمیق‌تر.

آخرین نظرات
  • ۱۶ خرداد ۹۸، ۰۰:۲۳ - محمد
    عالی
  • ۱۴ آذر ۹۷، ۱۸:۰۶ - خ
    عالی
  • ۸ آذر ۹۷، ۲۰:۰۷ - محمد علی
    احسنت

۱۰ مطلب در شهریور ۱۳۹۶ ثبت شده است

اسفند سال 95 اولین سمینار تخصصی چاه‌آزمایی ایران در مدیریت اکتشاف شرکت ملی نفت برگزار شد. افرادی چون دکتر هاشمی، دکتر شریفی، دکتر مهدی منصوری و سایر اساتید و مهندسان در آن شرکت کردند. بعد از سمینار هم فایل‌های پرزنتیشن ارائه کنندگان در کانال سمینار منتشر شد. 


✅ امشب فایل ارائه دکتر مهدی منصوری را که در مورد آنالیز داده‌های فشار گذرا با کمک روش شناسایی سیستم‌ها (SI) بود در سایت قرار داده‌ام. خودم هم مدتی درباره این موضوع به یادگیری پرداختم ولی در نیمه راه به سد سربازی رسیدم و متوقف شد. انشالا که دوباره استارت بخورد.🙏 👇👇



لینک دانلود فایل ارائه دکتر مهدی منصوری


۱ نظر ۲۰ شهریور ۹۶ ، ۲۱:۴۳
صادق سلمانی

پیش از هر چیز تأکید کنم که در این پست تصمیم به بررسی ریشه‌های این سه لغت و یا ترجمه آن‌ها ندارم. بنابراین این مطلب برای تقویت زبان انگلیسی نوشته نشده و صرفاً برای درک بهتر مفاهیم این واژگان و کاربرد آن‌ها در مهندسی نفت به نگارش در آمده است.

امروز در حال مطالعه یک گزارشی بودم که در آن از اصطلاح «متر حفار» استفاده شده بود (در روزهای آتی یک پست جداگانه در مورد این اصطلاح خواهم نوشت). اینجا بود که متوجه شدم چند مفهوم را به خوبی درک نکرده‌ام و تجسم ذهنی خوبی از آن‌ها ندارم؛ پس شروع به جستجو کردم.

از آنجایی که ریشه‌یابی یا ترجمه این لغات در تخصص من نیست، با دیدن شکل زیر به خوبی به تفاوت آن‌ها پی خواهید برد:


Height: the vertical distance of a level, a point or an object considered as a point, measured from an specific datum.

برای مثال در شکل بالا، height به عنوان فاصله عمودی از نقطه بالای درخت تا سطح مبنا (مثلاً سطح زمین) تعریف شده است؛ یعنی ارتفاع درخت


Altitude: the vertical distance of a level, a point or an object considered as a point, measured from the mean sea level (MSL).

برای مثال در شکل بالا، altitude به عنوان فاصله عمودی هواپیما تا سطح میانگین دریا تعریف شده است.


Elevation: the vertical distance of a point or a level, on or affixed to the surface of the earth, measured from mean sea level.

برای مثال در شکل بالا، elevation به عنوان فاصله عمودی یک نقطه که بر روی سطح زمین قرار دارد تا سطح میانگین دریا تعریف شده است.


حال سوال پیش می‌آید که تفاوت Altitude و Elevation در چیست؟

باید بگویم تفاوت در این است که Altitude اشاره به نقاطی دارد که بالای سطح زمین هستند، مانند هواپیما. ولی Elevation اشاره به نقاطی دارد که روی سطح زمین هستند، مانند میز دوار (Rotary table) در دکل حفاری.


۰ نظر ۱۶ شهریور ۹۶ ، ۲۲:۰۹
صادق سلمانی


پس از سقوط قیمت نفت از سال 2014، پروژه‌های نفتی و همچنین سرمایه‌گذاری در این صنعت عظیم کاهش چشم‌گیری پیدا کرد. الآن بیش از هر زمان دیگری، سازمان‌ها باید از راه‌حل‌های فناوری اطلاعات و دیجیتالی‌سازی استفاده کنند.

✅ اگر علاقمند هستید که بدانید صنعت نفت و گاز دنیا در حال حرکت به چه سمتی است و چه تغییراتی در حال بوجود آمدن در آن است، حتما گزارش زیر را که مربوط به سال 2017 هست مطالعه کنید. 👇👇


دانلود فایل

۰ نظر ۰۹ شهریور ۹۶ ، ۱۱:۵۷
صادق سلمانی

✨به سوال زیر پاسخ بده و یکی از محصولات سایت را به دلخواه با تخفیف 40 درصد دریافت کن!✨


سوال:

✅ برای تفسیر داده‌های چاه‌آزمایی از نمودارهایی استفاده می‌شود که مقیاس‌های متفاوتی مانند کارتزین، نیمه‌لگاریتمی و یا لگاریتمی دارند.


🔰 حال سوال این است که دلیل استفاده از مقیاس نیمه‌لگاریتمی چیست؟ مگر این مقیاس چه ویژگی‌هایی دارد که ما را مجاب به استفاده از آن می‌کند؟


تا ساعت 20 روز پنج شنبه 9 شهریور پاسخ تشریحی و دقیق خود را تنها از طریق ایمیل ✉️ برای من ارسال کنید و بلافاصله کد تخفیف را به همراه پاسخ این سوال دریافت نمایید.


امیدوارم با این کار مطالعه دقیق‌تر و بهتری در زمینه چاه‌آزمایی داشته باشیم😊.


salmani.sgh@gmail.com

۰ نظر ۰۸ شهریور ۹۶ ، ۱۸:۰۷
صادق سلمانی

تابع خطا (Error Function) در ریاضیات، تابعی غیراصلی (نداشتن ضابطه صریح) است که در علوم احتمالات، مواد، آمار و معادلات دیفرانسیل با مشتقات جزئی استفاده می‌شود. تعریف این تابع به صورت زیر است (منبع: ویکی پدیا):


همچنین متمم تابع خطا (Complementary Error Function) نیز به شکل زیر تعریف می‌شود:


نمودار تابع خطا


جدول تابع خطا


علاوه بر اینها، در زبان برنامه‌نویسی پایتون نیز دستوری وجود دارد که می‌توان تابع خطای هر مقداری را محسابه نمود:


from math import *


erf (2)

>> 0.9953222650189527


erfc (2)
>> 0.004677734981047268

یکی از کاربردهای تابع خطا در درس چاه‌آزمایی می‌باشد. مثلاً گرینگارتن و همکاران با استفاده از توابع گرین (Green’s function)، معادله انتشار را برای یک چاه شکافدار (مدل شار یکنواخت) حل نمودند و به رابطه زیر رسیدند:

همان‌طور که مشاهده می‌کنید برای محاسبه فشار بی‌بعد در این رابطه، باید مقادیر تابع خطا را داشته باشیم. 

۱ نظر ۰۸ شهریور ۹۶ ، ۱۷:۲۸
صادق سلمانی

سوالی که برخی اوقات پیش می‌آید این است:

چرا بعضی اوقات نمودار هورنر به صورت کاهشی است و برخی مواقع افزایشی؟

 

برای پاسخ به این سوال به توضیحات و شکل های زیر دقت کنید. سپس فایل ویدئویی را نیز با دقت مشاهده کنید. من توضیحات کامل را با یک سری داده در نرم‌افزار سفیر (لینک دانلود آموزش ویدئویی سفیر) و اکسل برای شما گفته‌ام.

 

 

لینک دانلود فایل ویدئویی

 

مشاهده ویدئو در آپارات

 

۰ نظر ۰۷ شهریور ۹۶ ، ۱۹:۴۶
صادق سلمانی

پاسخ فشاری مخازن بسته در حالت‌های تولید، تزریق و بسته بودن چاه بسیار متفاوت است. در طول تست تولید یا تزریق، زمانی که موج فشار به آخرین مرز مخزن برسد، پروفایل فشار تثبیت شده و سپس به صورت یکنواخت به سمت پایین متمایل می‌شود. این قسمت از جریان، جریان شبه پایدار نامیده می‌شود و مشخصه آن وجود رابطه خطی بین افت فشار و زمان است:



آنالیز لگاریتمی:

الف) اگر مخزن در حال تولید یا تزریق باشد (تست کاهش فشار و یا تست تزریق)، به دلیل آنکه مرز مخزن بسته است یک جریان شبه پایدار (PSS) بوجود می‌آید و بنابراین شیب نمودار فشار و مشتق فشار در زمان‌های انتهایی برابر یک خواهد بود.


ب) برای زمانی که چاه بسته است (تست ساخت فشار)، فشار در مقداری برابر با فشار متوسط مخزن تثبیت می‌شود؛ بنابراین مقدار مشتق فشار به سمت صفر سقوط می‌کند؛ در حقیقت نمودار مشتق فشار به صورت نمایی به سمت پایین می‌رود.



اگر نمودار فشار ته چاهی بر حسب زمان در یک مختصات کارتزین رسم شود، رژیم جریانی PSS به صورت یک خط راست با شیب m می‌باشد که با استفاده از آن می‌توان سایز مخزن را محاسبه نمود. 




در ویدئویی که در ادامه آورده شده است، من یک مثال کاربردی از مخازن بسته را در نرم‌افزار سفیر اجرا کرده‌ام و تمام مطالب ذکر شده در این پست را در ویدئو به طور کامل توضیح داده‌ام.

مدت زمان ویدئو: 12 دقیقه

حجم فایل: 35 مگابایت

قیمت: 4000 تومان

تذکر: پس از پرداخت وجه، تکمیل فرایند را بزنید و منتظر بمانید تا لینک دانلود در صفحه نمایشگر شما نشان داده شود.



۰ نظر ۰۵ شهریور ۹۶ ، ۲۰:۰۷
صادق سلمانی


اولین مرحله در مطالعه یک فرایند با شبیه‌سازی کامپیوتری، توسعه یک مدل برای سیستم واقعی است.

هنگام مطالعه حرکت یک شیء کوچک که تحت تأثیر نیروی گرانش زمین قرار دارد، ما ممکن است که بتوانیم نیروی اصطکاک هوا را نادیده بگیریم. در این حالت، مدل ما یک تقریبی از سیستم واقعی خواهد بود. معمولاً این مدل این اجازه را به ما خواهد داد تا رفتار سیستم (به فرم تقریبی) را از طریق معادلات ریاضی بیان کنیم، که اغلب شامل معادلات دیفرانسیل معمولی (ODE) یا معادلات دیفرانسیل با مشتقات جزئی (PDE) هستند.

در علوم طبیعی مانند فیزیک، شیمی و مهندسی، اغلب سخت نیست که یک مدل مناسب پیدا کنیم، اگرچه معادلات حاصل شده برای حل بسیار مشکل هستند و در اکثر موارد نمی‌توان آن‌ها را به طور تحلیلی حل نمود.

از سوی دیگر، در مواردی که نمی‌توان آن‌ها را به خوبی در چارچوب ریاضیات شرح داد و به رفتار اشیائی وابسته هستند که اقدام آن‌ها را نمی‌توان به طور قطعی پیش‌بینی نمود (مانند انسان‌ها)، یافتن یک مدل خوب برای توصیف واقعیت بسیار مشکل است. به عنوان یک قاعده کلی، در این رشته‌ها معادلات حاصله را ساده‌تر می‌توان حل نمود، اما یافتن آن‌ها سخت‌تر است و اعتبار یک مدل باید بیشتر مورد سوال قرار بگیرد. برخی از مثال‌های معمول عبارتند از تلاش برای شبیه‌سازی اقتصاد، استفاده از منابع طبیعی و غیره.

تا کنون، ما فقط در مورد توسعه مدل‌ها برای توصیف واقعیت بحث کرده‌ایم، و استفاده از این مدل‌ها لزوماً شامل کامپیوتر یا کار عددی نیست. در حقیقت، اگر معادله یک مدل بتواند به صورت تحلیلی حل شود، باید این کار را انجام داد و راه حل معادله را نوشت.

در عمل، تقریباً هیچ معادله مدل یک سیستم مورد نظر را نمی‌توان به صورت تحلیلی حل کرد، و این جایی است که کامپیوتر وارد می‌شود: با استفاده از روش‌های عددی، ما حداقل می‌توانیم مدل را برای یک مجموعه خاص از شرایط مرزی مطالعه کنیم.

به طور واضح مطلوب است که راه‌های تحلیلی را در هر کجا که امکان‌پذیر است پیدا کنید، اما تعداد مسائلی که این امکان وجود دارد کم هستند. معمولاً نتایج عددی یک شبیه‌سازی کامپیوتری بسیار مفید است (با وجود کاستی‌های نتایج عددی در مقایسه با روش تحلیلی)، زیرا این تنها راه ممکن برای مطالعه سیستم است.

نام مدلسازی کامپیوتری از دو مرحله برگرفته شده است: 1) مدلسازی؛ یعنی پیدا کردن توصیف مدل یک سیستم واقعی و 2) حل معادلات مربوط به مدل با استفاده از روش‌های محاسباتی، زیرا این تنها راه حل معادلات می‌باشد.

تعدادی زیادی پکیج وجود دارند که قابلیت‌های مدلسازی محاسباتی را ارائه می‌دهند. اگر این‌ها نیازهای تحقیق یا طراحی را برآورده کنند، و هرگونه پردازش و به تصویر کشیدن داده‌ها از طریق ابزارهای موجود پشتیبانی شود، می‌توان مطالعات مدلسازی محاسباتی را بدون هیچ گونه دانش برنامه‌نویسی عمیق‌تر انجام داد.

در یک محیط تحقیقاتی – هم در دانشگاه و هم در صنعت – اغلب به نقطه‌ای می‌رسند که پکیج‌های موجود قادر به انجام شبیه‌سازی مورد نظر نمی‌باشند. در این حالت، مهارت‌های برنامه‌نویسی مورد نیاز است.

درک نحوه ایجاد یک شبیه‌سازی کامپیوتری تقریباً به این صورت است: 1) یافتن مدل (اغلب به معنای یافتن معادلات درست می‌باشد)؛ 2) دانستن اینکه چگونه این معادلات را به صورت عددی حل کنیم؛ 3) پیاده‌سازی روش‌هایی برای محاسبه این راه حل‌ها (این برنامه‌نویسی است).

 

 

۰ نظر ۰۵ شهریور ۹۶ ، ۰۹:۲۱
صادق سلمانی

یکی از موضوعات مهم ریاضیات و آمار که کاربرد زیادی در رشته‌های مهندسی دارد، مبحث برازش منحنی (Curve Fitting) می‌باشد. 

هدف ما در برازش منحنی آن است که بهترین خط یا منحنی ممکن را از داده‌های موجود عبور دهیم. برای آنکه متوجه شویم که بهترین چندجمله‌ای یا منحنی ممکن را انتخاب کرده‌ایم، باید مجموع مربعات باقمانده‌ها حداقل باشد:


.The most common choice is to minimize the sum of squared residuals


معرفی چند تابع:

1- z = polyfit (x, y, n) 

این تابع، مقادیر x داده و مقادیر y داده‌ها را دریافت می‌کند و سپس یک منحنی درجه n ام از داده‌ها عبور می‌دهد به نحوی که بهترین انطباق ممکن را داشته باشد (حداقل مربعات). 

2- p = poly1d (z)

یک تابع چند جمله‌ای از ضرایب می‌سازد.



بررسی یک مثال از مبحث برازش منحنی:

from numpy import *

x = array ([0.0 , 1.0 , 2.0 , 3.0 , 4.0 , 5.0])

y = array ([0.0 , 0.8 , 0.9 , 0.1 , -0.8 , -1.0])

z = polyfit (x, y, 3)

p = poly1d (z)

xs = [ 0.1 * i for i in range (50)]

ys = [p ( x ) for x in xs]


from pylab import *

plot (x, y, 'o', label='data')

plot (xs, ys, label='fitted curve')

ylabel ('y')

xlabel ('x')

show ()


۰ نظر ۰۴ شهریور ۹۶ ، ۰۸:۳۶
صادق سلمانی

🔸 بررسی انواع مرزها در نرم‌افزار سفیر

🔹 طراحی تست در نرم‌افزار سفیر (Test Design)

🔸 مخازن گازی در نرم‌افزار سفیر

🔹اثر جریان غیر دارسی در نرم‌افزار سفیر

🔸 گسل‌ها در نرم‌افزار سفیر

🔹چاه‌های افقی در نرم‌افزار سفیر

🔸چاه‌های دارای شکاف هیدرولیکی در نرم‌افزار سفیر

🔹تست تداخل و پالس در نرم‌افزار سفیر

🔸اثرات مربوط به چاه در نرم‌افزار سفیر

🔹مخازن چندلایه ای در نرم‌افزار سفیر

🔸 بررسی تست های ولتست کنکور ارشد و دکترای 96


✅ به مرور هر کدام از این موارد به صورت ویدئویی تدریس و ضبط خواهد شد و پکیج آموزش نرم افزار چاه آزمایی سفیر آپدیت می شود. 


❗️دقت شود که آپدیت های جدید به صورت رایگان برای کسانی که قبلاً این محصول را خریداری کرده اند، ارسال می شود. ولی برای کسانی که جدیداً قصد تهیه آن را داشته باشند، با هر بار آپدیت، هزینه محصول بیشتر خواهد شد. در حال حاضر قیمت این فایل ویدئویی فقط 35000 تومان است و به تمام سوالات شما پاسخ خواهم داد.


لینک دانلود آموزش ویدئویی نرم‌افزار چاه‌آزمایی سفیر

لینک دانلود آموزش ویدئویی درس چاه‌آزمایی (ویژه مقاطع کارشناسی، کارشناسی ارشد و کنکور)


کانال تخصصی چاه‌آزمایی در تلگرام

۰ نظر ۰۱ شهریور ۹۶ ، ۲۱:۵۱
صادق سلمانی