فهرست نشریات علمی دسترسی آزاد ایران

سرعت عملیات حفاری اثر مستقیمی بر روی هزینه‌های حفاری دارد و پارامترهای مختلفی ازجمله خواص سیال حفاری و هیدرولیک مته بر روی آن مؤثر است. بنابراین استفاده از مدل‌هایی 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 پاسخ‌های خروجی سیستم‌های پیچیده استفاده می‌گردد. در این مقاله شبکه عصبی به منظور پیش بینی نرخ نفوذ مته با در نظرگیری پارامترهای سیال حفاری مورد استفاده قرار می‌گیرد و از مدل‌های هوش مصنوعی چندلایه و پایه شعاعی برای تشخیص و پیش‌بینی سرعت حفاری به عنوان پارامتر خروجی استفاده شده است.