كاربرد سيستم استنتاج تطبيقي فازي- عصبي در پيش بيني درجه فرسايش مته حفاري

پیش بینی صحیح و قابل اعتماد شرایط فرسایش مته درون چاه تاثیر بسزایی در نرخ نفوذ حفاری دارد. بنابراین طراحی مدل های مبتنی بر منطق فازی نسبت به شبكه عصبی میتواند در كاهش زمان ، هزینه و تصمیم گیری های بلادرنگ بسیار كمك كننده باشد. در این مطالعه سعی شده است تا با استفاده از سیستم استنتاج تطبیقی فازی - عصبی، مدلی ساخته شود كه بدرستی درجه فرسایش دندانه های مته را پیش بینی كند. در طراحی این مدل از داده های مربوط به مته های مخروطی سی چاه حفاری در یكی از میدان های جنوبی ایران استفاده شده است. پارامترهای ورودی طراحی عبارتند از : نوع مته، سایز مته، عمق ورودی، عمق خروجی، زمان حفاری، نرخ نفوذ، وزن روی مته، سرعت چرخش، دبی پمپ . با توجه به ضریب همبستگی بدست آمده به مقدار ۰/۹۷۷۳۱ از داده های آزمایش كه گویای نزدیكی مقادیر پیش بینی شده توسط مدل به مقادیر واقعی سر چاه می باشد، میتوان این مدل را بنا بر استفاده از داده های كمتر و دقت مطلوب تر، مدلی قابل اعتماد و البته كاربردی تر نسبت به مدل های شبكه عصبی با الگوریتم های آموزشی مبتنی بر گرادیان در صنعت دانست