تخمين موج فشاري و موج برشي از داده هاي انرژي ويژه حفاري با استفاده از تبديل موجك و شبكه ANFIS-PSO

در طول تاریخ حفاری چاههای نفت، یكی از مهم ترین مسائل و مشكلات این صنعت كمبود سرعت حفاری در اعماق پایین بوده است. توده سنگ یا به عبارتی دیگر سازند مورد نظر حفاری به عنوان محیط حفاری نقشی بسیار اساسی در میزان سرعت حفاری، استهلاك مته، ماشین و هزینههای كلی حفاری دارد. نقش نگارههای صوتى در فرآیند تعیین خصوصیات مخازن نقشى غیرقابل انكار است. سرعت موج فشاری و موج برشی در تعیین پارامترهای ژئومكانیكی و نوع لیتولوژی سازند كاربرد دارد. در این مقاله به واسطهی شبكه انفیس ازدحام ذرات، - رابطه بین انرژی مخصوص سنگ با نگارههای سرعت موج برشی و سرعت موج فشاری به دست آورده شده است. با استفاده از دادههای عملیاتی انرژی ویژه حفاری هر قسمت از سازند محاسبه میشود. انرژی ویژه به عنوان ورودی در تابع موجك استفاده میشود، موجك استفاده شده از نوع db1 بوده و تا سطح 4 تجزیه شده است. بعد از تجزیه و تحلیل، خروجی تابع موجك به عنوان ورودی شبكه ANFIS-PSO استفاده می- شود. نتایج نشان دادهاند كه تركیب ANFIS-PSO نسبت به ANFIS-GA از قدرت پیشبینی بالایی برخوردار میباشد به طوری كه مجذور میانگین مربع خطا و ضریب همبستگی به ترتیب برای سرعت 5 و / موج فشاری 5 0/44 و برای سرعت 4/ موج برشی 4 و 0/86 محاسبه شده است. با این روش میتوان سرعت موج فشاری و سرعت موج برشی در نبود دادههای لاگ صوتی محاسبه كرد

Throughout the history Petroleum drilling of wells, one of the most important problems of this industry is the lack of speed of drilling deep down. Rock mass or, in other words, the formation intended for drilling, as the drilling environment, plays a very essential role in the drilling speed, depreciation of drilling bit, machines, and overall drilling costs. Acoustic logs role in the process of reservoir characterization is undeniable role. The pressure wave speed and shear wave are used in determining the geo-mechanical parameters and type of formation lithology. In this article using the ANFIS – PSO algorithm, the relationship between rock specific energy with shear wave and pressure wave log is achieved. Using drilling parameters corresponding drilling specific energy (DSE) to formation was calculated. Special energy used as input in the wavelet function, the DSE signal was decomposed to 4th level using a db1 wavelet function. After analysis, wavelet function output used as inputs ANFIS-PSO network. Results have shown that the combination of ANFIS-PSO compared to ANFIS-GA is a higher predicted. So that the corresponding mean square error (MSE) and correlation coefficient to this model were found to be 5.5 and 0.74, pressure wave, 7.7 and 0.68, for shear wave, respectively. The proposed method can provide valuable information on pressure wave speed and shear wave in the absence of petrophysical logs