فهرست نشریات علمی دسترسی آزاد ایران

امروزه در هر پروژه مباحث هزینه و زمان از اهمیت بالایی برخوردار می‌باشند، بنابراین در صنعت حفاری نیز که یکی از پرهزینه‌ترین صنعت‌ها به شمار می‌رود، باید اقداماتی مقتضی در خصوص صرفه‌جویی در زمان و هزینه صورت پذیرد. در عملیات حفاری، با انتخاب صحیح ابزار مورد استفاده و هم‌چنین پیش‌بینی دقیق و به موقع پارامترها و مشکلات احتمالی می‌توان این عملیات را در زمان و هزینه کمتر انجام داد. در این راستا یکی از موثرترین راهکارها تحلیل اطلاعات میدانی و به‌دنبال آن توسعه و بهبود ابزارهای این تحلیل‌ها می‌باشد. در صنعت حفاری برای شناسایی مشکل و بهبود عملکرد حفاری عموما یا از آزمون های آزمایشگاهی و روابط تجربی استفاده می‌شود و یا از تجربیات گذشته بهره گرفته می‌شود. در این تحقیق سعی شد از روش‌های نوین و مدل‌سازی هوشمند برای پیش‌بینی نرخ نفوذ در عملیات حفاری استفاده شود که بدین منظور از روش شبکه عصبی مصنوعی استفاده شد. در این مقاله با استفاده از شبکه عصبی مصنوعی و داده‌های حفاری میدان نفتی شادگان (400 داده) و در سازند آغاجاری اقدام به ساخت مدلی جهت پیش بینی نرخ نفوذ حفاری شد و سپس نتایج حاصل با نتایج بدست آمده از مدل‌سازی با رگرسیون چند متغیره مقایسه شد. برای ارزیابی خصوصیات اصلی مدل بدست آمده و صحت‌سنجی آن از داده‌های چاه‌های مجاور استفاده شد. نتایج تحقیق نشان داد که ضریب همبستگی برای شبکه عصبی 0.97 و ضریب تعیین آن 0.94 بدست آمد در حالی‌که در تحلیل آماری، مقدار ضریب همبستگی 0.94 و ضریب تعیین برابر با 0.89 می باشد که این امر دقت بالاتر مدل‌سازی با شبکه عصبی را نشان می‌دهد.