فهرست نشریات علمی دسترسی آزاد ایران

حفاری به کمک دستگاه حفاری دورانی ابزار مهمی برای اکتشاف و استخراج در معادن است. از طرفی برآورد هزینه‌ها و کارآیی دستگاه حفاری دورانی، یک گام اساسی در طراحی پروژه‌های معدنی و عمرانی است. نرخ نفوذ حفاری (PR)، شاخص مناسبی برای برآورد هزینه‌ها و کارآیی دستگاه حفاری دورانی به ‌شمار می‌رود، بنابراین بهینه‌سازی PR در دستگاه حفاری دورانی، سبب کاهش هزینه‌ها و افزایش کارآیی دستگاه حفاری دورانی می‌شود. بدین منظور در این مقاله، از روش‌های تقویت ‌شده یادگیری ماشین (ML) که با ترکیب تقویت گرادیان سبک (LGB) و جنگل تصادفی (RF) با الگوریتم‌های فراابتکاری (MH) شامل گرگ خاکستری (GWO) و شاهین هریس (HHO) صورت گرفته ‌است، برای تخمین PR اقدام می‌شود. در راستای اعتبارسنجی مدل‌های توسعه داده ‌شده، مدل‌ها بر روی مجموعه داده‌های جمع‌آوری ‌شده پیاده‌سازی شده‌اند. مجموعه داده شامل 7 متغیر مستقل ورودی شامل قطر حفار بر حسب اینچ (D)، سرعت دورانی بر حسب دور بر دقیقه (RPM)، وزن روی سرمته (WOB)، مقاومت فشاری تک‌محوره سنگ بر حسب مگاپاسکال (UCS)، مقاومت کششی سنگ بر حسب مگاپاسکال (T)، فاصله‌داری درزه‌ها در زمین بر حسب سانتی‌متر (JS) و راستی نسبی درزه‌ها بر حسب درجه (JD)، استفاده گردید. نتایج به ‌دست آمده نشان می‌دهد که روش RF-GWO (987/0= R2 و 059/3=RMSE) دقت بیشتری نسبت به روش‌های LGB-GWO (912/0 و 045/8)، LGB-HHO (917/0 و 831/7) و RF-HHO (912/0 و 044/8) در داده‌های آزمایشی دارد. همچنین، مطالعات آنالیز حساسیت مشخص می‌کند که پارامترهای RPM و JD به ترتیب بیشترین و کمترین تاثیر را بر PR دستگاه حفاری دورانی دارند.