مدل سازی افزایش سرعت و نرخ نفوذ حفاری در سنگ با کمک شبکه فازی ‏عصبی

براساس داده های میدانی، روش های مختلفی برای کاهش هزینه حفاری چاه ها وجود دارد. یکی از این روش ها بهینه سازی پارامترهای حفاری برای به دست آوردن حداکثر نرخ نفوذ (ROP) موجود است. پارامترهای بسیار زیادی بر روی ROP تاثیر می گذارند. هدف اصلی انجام این تحقیق کاربرد شبکه های هوشمند برای نرخ نفوذ حفاری است که بدین منظور داده های ورودی چاه اعم از عمق حفاری، مدت زمان عملیات حفاری، سرعت گردش مته، وزن روی مته، وزن و حجم گل حفاری به عنوان داده ورودی و نرخ نفوذ حفاری به عنوان داده خروجی از یکی از میادین واقع در خلیج فارس تهیه شد. 70 درصد داده ها برای آموزش شبکه، 15 درصد داده ها برای اعتبار سنجی و 15 درصد داده ها برای آنالیز حساسیت اختصاص داده شده است. طبق نتایج به دست آمده مشخص شد که با استفاده از این ابزار رابطه خوبی با ضریب همبستگی کل (96/0) برای پیش بینی نرخ نفوذ با استفاده از شبکه عصبی به دست می آید که این نشان دهنده این است که مدل از اعتبار خوبی برخوردار است. همچنین با استفاده از تکرار محاسبات در تکرار 12 بهترین مقدار به دست آمد که این مقدار برابر 24/14 درصد می باشد.