پیش بینی نرخ نفوذ حفاری با استفاده از مدل یادگیری عمیق

صنعت حفاری از پرهزینه ترین صنایع موجود در صنعت نفت می باشد.از دیرباز بهینه سازی عملیات حفاری مد نظر متخصصان این زمینه بوده است.با توجه به پیچیدگی محاسبات هزینه های حفاری، از مولفه زمان حفاری به عنوان بهترین روش برای ارزیابی هزینه های حفاری استفاده می شود. کاهش زمان حفاری با افزایش نرخ نفوذ مته امکان پذیر است. از آن جا که توانایی شبکه های هوشمند در ایجاد رابطه بین متغیرهای زیاد اثبات شده است لذا به نظر می رسد که این مدل نتیجه مفیدی را در پیش بینی نرخ نفوذ داشته باشد.در این مقاله از روش یادگیری عمیق به عنوان روش پیش بینی نرخ حفاری استفاده می شود و از داده های واقعی عمق ، گشتاور ، وزن روی مته ،وزن گل حفاری ، دور مته در دقیقه ، بار روی قلاب و نرخ پمپاژ در دقیقه جهت آموزش مدل استفاده می شود. پس از آن عملکرد مدل مورد ارزیابی قرار می گیرد.

کلیدواژه ها:

نرخ نفوذ ، داده ، هوش مصنوعی ، بهینه سازی ، حفاری ، یادگیری عمیق