رویکرد جدید برای تعیین نقطه آزادسازی در هنگام گیر رشته حفاری جهت مانده یابی با استفاده از شبکه های عصبی

گیر لوله حفاری، مشکل رایجی در صنعت نفت می باشد که سبب هزینه های اضافی و مشکلات زیادی در حین حفاری می گردد. هنگامیکه روش های مرسوم جهت آزادسازی لوله گیر کرده جواب ندهد، عملیات Backoff صورت می گیرد. جهت این منظور، بایستی ابتدا نقطه آزادسازی تعیین گردد در این تحقیق، تلاش شد تا با استفاده از موارد گیر موجود در صنعت و همچنین بکارگیری شبکه های عصبی مصنوعی (ANNs) مکان نقطه آزاد سازی نخستین زده شود مدل شبکه عصبی مصنوعی با استفاده از داده ههای میدانی بدست آمده استفاده شد و نتایج با نتایج واقعی مقایسه گردید مدل ANN با یک الگوریتم یادگیری نظارت شده، نوع FeedForward و آموزش شبکه بر اساس توزیع معکوس خطا ساخته شد. نتایج بدست آمده و مقایسه آن با داده های میدانی نشان داد که استفاده از شبکه های عصبی مصنوعی در نخستین نقطه آزادسازی موفققیت آمیز بوده است.