فهرست نشریات علمی دسترسی آزاد ایران

فشار منفذی یکی از مهم‌ترین پارامترهای مخزنی-حفاری به شمار می‌رود و آگاهی از این فشار، برای کاهش هزینه‌های حفاری، افزایش ایمنی چاه و پیشگیری از خطرات احتمالی ضروری می باشد. تحقیقات نشان داده است که معادلات تجربی تنها برای نواحی خاصی دقت مطلوبی دارند زیرا، اکثر معادلات تجربی بر اساس مجموعه داده‌های محدود، جمع‌آوری‌ و توسعه‌ یافته اند. بنابراین، روش‌های هوشمند جای خود را به این معادلات داده اند. مطالعه پیش رو، از 2827 داده ست مربوط به سه چاه از میادین نفتی واقع در جنوب غرب ایران بهره برده است. متغیرهای ورودی مورد استفاده به‌منظور پیش‌بینی فشار منفذی شامل 9 متغیر بوده که با استفاده از روش انتخاب ویژگی، برگزیده ‌شده‌اند. در این مطالعه از چهار الگوریتم هوش مصنوعی شامل الگوریتم جنگل تصادفی ، الگوریتم رگرسیون بردار پشتیبان ، الگوریتم شبکه عصبی مصنوعی و الگوریتم درخت تصمیم به‌منظور پیش‌بینی فشار منفذی استفاده‌ شده است. پس از بررسی نتایج مشخص گردید که دقت عملکرد الگوریتم درخت تصمیم، بیشتر از سه الگوریتم دیگر می باشد به طوری که برای این الگوریتم مقدار مربع ضریب همبستگی (R^2) 9985/0 و مجذور میانگین مربعات خطا (RMSE) 460/14psi به دست آمده است. از جمله مزیت‌های این الگوریتم، ارائه بهترین نتیجه بدون نیاز به دانش آماری، جدا کردن داده‌های غیرضروری، آماده‌سازی داده‌ها در زمان کوتاه و کاهش خطای نسبی با یافتن گره اصلی تصمیم گیر می باشد. بنابراین می‌توان چنین نتیجه گرفت که با توسعه این تکنیک، برای تعداد داده‌های کم از هر میدان، دقت عملکرد بالایی نتیجه می شود.