ارائه روش نوترکیب هوش مصنوعی جهت پیش بینی نرخ نفوذ با استفاده از نگاره های حفاری

انجام فعالیت های حفاری، جهت دسترسی به منابع ارزشمند هیدروکربوری، ناگزیر می باشد. چنان که یکی از پارامترهای مهم و پرکاربرد در مبحث حفاری چاه های نفت و گاز، نرخ نفوذ مته حفاری است. در این مطالعه جهت تخمین نرخ نفوذ، از اطلاعات مربوط به سه چاه از یک میدان نفتی واقع در جنوب غرب ایران و ترکیبی از الگوریتم های نزدیک ترین همسایه K، الگوریتم زنبورعسل، الگوریتم کرم شب تاب و پرسپترون چندلایه استفاده شده است. از قابلیت های شاخص این الگوریتم نو ترکیب، کاهش نویز داده ها و افزایش دقت پیش بینی پارامتر موردنظر می باشد. نتایج نشان داد که خطای جذر میانگین مربعات برای داده های مربوط به آموزش، آزمایش و اعتبارسنجی به ترتیب برابر با ۰۵/۱، ۵۲/۱ و ۴۸/۱ بوده که خود نشان دهنده ی دقت عملکرد بالای این الگوریتم نو ترکیب می باشد. همچنین با بررسی ضریب پیرسون مشخص گردید که پارامتر اندازه نازل مته حفاری با مقدار نرخ نفوذ رابطه مستقیم و مقادیر چگالی، نقطه تسلیم، ویسکوزیته پلاستیک، انرژی ویژه مکانیکی و جریان ورودی گل با مقدار نرخ نفوذ رابطه عکس داشته اند. لذا این تحقیق، علاوه بر ارائه یک مدل نوترکیب، به بررسی پارامترهای تاثیرگذار بر روی نرخ نفوذ حفاری نیز پرداخته است. لذا محققان می توانند از الگوریتم معرفی شده در این مقاله برای پیش بینی سایر پارامترهای کلیدی مخزن، تولید، حفاری و ژئوفیزیک استفاده نمایند.

کلیدواژه ها:

پیش بینی نرخ نفوذ ، الگوریتم نوترکیب ، هوش مصنوعی ، نگاره های حفاری ، نقشه ی حرارتی