بهینه سازی اثرگذاری سیال حفاری بر مبنای مکانیک سیالات در فرآیند حفاری چاه های یکی از میادین جنوب غرب ایران

سرعت عملیات حفاری اثر مستقیمی بر روی هزینه های حفاری دارد و پارامترهای مختلفی ازجمله خواص سیال حفاری و هیدرولیک مته بر روی آن موثر است. بنابراین استفاده از مدل هایی با در نظر گرفتن پارامترهای مختلف که دقت بالا داشته باشند اهمیت فراوانی دارد. ازآنجاییکه ارتباط این پارامترها با یکدیگر پیچیده است نیاز به یک روش محاسباتی قابل اجرا دارد. شبکه عصبی مصنوعی یک روش محاسباتی نوین برای یادگیری است که برای پیش بینی پاسخ های خروجی سیستم های پیچیده استفاده می گردد. در این مقاله شبکه عصبی به منظور پیش بینی نرخ نفوذ مته با در نظرگیری پارامترهای سیال حفاری مورد استفاده قرار می گیرد و از مدل های هوش مصنوعی چندلایه و پایه شعاعی برای تشخیص و پیش بینی سرعت حفاری به عنوان پارامتر خروجی استفاده شده است.