ارائه مدلي براي پيش بيني نرخ نفوذ حفاري در ميدان نفتي شادگان با استفاده از شبكه عصبي مصنوعي

امروزه در هر پروژه مباحث هزينه و زمان از اهميت بالايي برخوردار مي‌باشند، بنابراين در صنعت حفاري نيز كه يكي از پرهزينه‌ترين صنعت‌ها به شمار مي‌رود، بايد اقداماتي مقتضي در خصوص صرفه‌جويي در زمان و هزينه صورت پذيرد. در عمليات حفاري، با انتخاب صحيح ابزار مورد استفاده و هم‌چنين پيش‌بيني دقيق و به موقع پارامترها و مشكلات احتمالي مي‌توان اين عمليات را در زمان و هزينه كمتر انجام داد. در اين راستا يكي از موثرترين راهكارها تحليل اطلاعات ميداني و به‌دنبال آن توسعه و بهبود ابزارهاي اين تحليل‌ها مي‌باشد. در صنعت حفاري براي شناسايي مشكل و بهبود عملكرد حفاري عموما يا از آزمون هاي آزمايشگاهي و روابط تجربي استفاده مي‌شود و يا از تجربيات گذشته بهره گرفته مي‌شود. در اين تحقيق سعي شد از روش‌هاي نوين و مدل‌سازي هوشمند براي پيش‌بيني نرخ نفوذ در عمليات حفاري استفاده شود كه بدين منظور از روش شبكه عصبي مصنوعي استفاده شد. در اين مقاله با استفاده از شبكه عصبي مصنوعي و داده‌هاي حفاري ميدان نفتي شادگان (400 داده) و در سازند آغاجاري اقدام به ساخت مدلي جهت پيش بيني نرخ نفوذ حفاري شد و سپس نتايج حاصل با نتايج بدست آمده از مدل‌سازي با رگرسيون چند متغيره مقايسه شد. براي ارزيابي خصوصيات اصلي مدل بدست آمده و صحت‌سنجي آن از داده‌هاي چاه‌هاي مجاور استفاده شد. نتايج تحقيق نشان داد كه ضريب همبستگي براي شبكه عصبي 0.97 و ضريب تعيين آن 0.94 بدست آمد در حالي‌كه در تحليل آماري، مقدار ضريب همبستگي 0.94 و ضريب تعيين برابر با 0.89 مي باشد كه اين امر دقت بالاتر مدل‌سازي با شبكه عصبي را نشان مي‌دهد.