بهبود مدل پيش‌بيني رفتار رئولوژيكي سيال حفاري با استفاده از شبكه عصبي

با توجه به تأثير پارامترهاي فراوان بر روي رفتار رئولوژيك سيال حفاري، تعيين دقيق رفتار رئولوژيك سيال حفاري حائز اهميت است. ازاين‌رو حذف روش‌هاي آزمايشگاهي كه به‌صورت سعي و خطا انجام مي‌گيرد و نياز به استفاده از روش‌هاي هوشمند ازجمله شبكه‌هاي عصبي مصنوعي، به‌شدت احساس مي‌شود. در تحقيق حاضر براي پيش‌بيني خواص رئولوژيكي سيال حفاري، شامل پلاستيك ويسكوزيته، ويسكوزيته قيف و نقطه تسليم از اطلاعات چهار چاه مربوط به يك ميدان نفتي شامل 240 رديف اطلاعات (4080 داده) جهت آزمون و 23 رديف (391 داده) جهت تست مدل استفاده شد. پارامترهاي موجود در اين اطلاعات شامل 14 نوع مواد سيال، عمق، نوع سازند و دما (جمعاً 17 پارامتر) است. سپس با استفاده از شبكه‌هاي عصبي مصنوعي، ابتدا ساختارهاي مختلف شبكه عصبي جهت پيش‌بيني خواص رئولوژيكي سيال حفاري ساخته شد و درنهايت سه مدل بهينه مجزا براي ويسكوزيته پلاستيك، ويسكوزيته قيف  و نقطه تسليم طراحي شد كه در هر سه مدل، شبكه داراي دو لايه با 17 ورودي و يك خروجي در لايه آخر بوده و تعداد نرون‌هاي لايه پنهان، 16 نرون براي مدل ويسكوزيته پلاستيك 19 نرون براي مدل ويسكوزيته قيف و مدل نقطه تسليم تعيين شد. ضرايب همبستگي آزمون اين مدل‌ها در نهايت، 0/99 براي مدل ويسكوزيته پلاستيك، 0/98 براي مدل نقطه تسليم و 0/98 براي ويسكوزيته قيف به‌دست آمد كه نشان‌دهنده انطباق بالاي نتايج آزمون با واقعيت بود. درنهايت نيز مدلي آماري با استفاده از نرم‌افزار SPSS ساخته شد.