پیش بینی سرعت نفوذ مته حفاری با استفاده از شبکه های عصبی مصنوعی در یکی از میادین نفتی ایران

نرخ نفوذ مته یکی از موارد پر اهمیت در صنعت حفاری و یکی از عوامل کلیدی راندمان عملیات حفاری می باشد. نرخ نفوذ مته بالاتر به معنی انجام عملیات حفاری سریع تر و کاهش هزینه های حفاری است. سرعت نفوذ مته متاثر از عوامل زیادی است، لذا بسیاری از چالش های حفاری با بهبود ویژگی های موثر در نرخ نفوذ مته رفع خواهد شد. استفاده از هوش مصنوعی در بازسازی اطلاعات، جمع آوری اطلاعات، پیش بینی و حتی انتخاب ویژگی می تواند یک استراتژی هوشمند باشد و منجر به تصمیمات بهتر و کاهش ریسک حفاری شود. در این پژوهش با استفاده از داده های حفاری یکی از میادین نفتی جنوب غرب ایران، پس از پیش پردازش با استفاده از روش های شبکه عصبی همچون پرسپترون چند لایه، حافظه کوتاه/ بلند مدت و ترکیب دو روش حافظه کوتاه/ بلند مدت و خودرمزگذار اقدام به پیش بینی نرخ سرعت نفوذ مته شده است و از روش های RSME وMAE به عنوان معیارهای اعتبارسنجی بهره گرفته شده و نتایج قابل قبولی به دست آمد.

کلیدواژه ها:

حفاری ، مته ، هوش مصنوعی ، شبکه عصبی