بررسی کاربرد یادگیری ماشین در بهینه سازی حفاری چاه های نفت و گاز

حفاری چاه نفت و گاز در محیط های چالش برانگیز نیازمند هزینه های کلان برای احداث آن است. به منظور بهینه سازی عملیات حفاری، تصمیم گیری های بلافاصله در محل گرفته می شوند، به طوری که پیش بینی سرعت حفاری با دقت بالا ضروری است. بهینه سازی حفاری می تواند ارزش قابل توجهی از هزینه ها را برای یک پروژه نفت و گاز کاهش دهد. بهینه سازی عملیات حفاری به طور کلی با بهینه سازی سرعت حفاری چاه انجام می شود و ممکن است همیشه بهترین استراتژی نباشد. دو استراتژی (یا مدل) اضافی را می توان برای بهینه سازی چاه استفاده کرد، گشتاور روی مته برای کاهش ارتعاشات در مته و یا انرژی ویژه مکانیکی برای کاهش انرژی مصرفی در مته. روش های مرسوم تجزیه و تحلیل داده ها به اندازه کافی قادر به استخراج سریع اطلاعات و تجسم واضح مجموعه داده های پیچیده و بزرگ نیستند. بدلیل برآورده نشدن تقاضاهای صنعت نفت، جریان کار صنعت به کمک یادگیری ماشین در زمینه های بهینه سازی حفاری و تجزیه و تحلیل پارامترهای زمان واقعی و کاهش آن ارائه شده است. وجود یک جریان کار جامع می تواند خرابی ابزار را به حداقل برساند، در هرزروی تولید صرفه جویی کند، سوگیری صنعت را به حداقل برساند و تصمیمات تجاری هوشمندانه را هدایت کند. بهره برداری از داده ها از طریق پلتفرم پیشنهادی بر اساس یادگیری ماشین و الگوریتم داده کاوی به خوبی در علوم کامپیوتر و ادبیات آماری تثبیت شده است

کلیدواژه ها:

بهینه سازی ، حفاری ، مهندسی نفت ، یادگیری ماشین