مدلسازی نرخ نفوذ حفاری با استفاده از شبکه عصبی مصنوعی مطالعه موردی در یکی از چاه های میدان نفتی آزادگان

پیشبینی نرخ نفوذ در صنعت نفت از منظر ارزیابی دقیقتر زمان حفاری و در نتیجه کنترل هزینه های عملیات بسیار حائز اهمیت است. عوامل بسیار زیادی بر نرخ نفوذ حفاری موثر هستند که به طور کلی به عوامل عملیاتی و محیطی تقسیم بندی می شوند. در این تحقیق به جهت کارایی شبکههای عصبی مصنوعی در برقراری ارتباط میان پارامترها از این مدل جهت پیش بینی نرخ نفوذ استفاده گردید. بدین ترتیب در ابتدا با قرار دادن پارامترهای عملیاتی به عنوان ورودی و نرخ نفوذ به عنوان پارامتر هدف به مدلسازی شبکه پرداخته شد. سپس با افزودن خصوصیات ژئومکانیکی دقت مدل مورد نظر ارتقا یافت. نتایج این تحقیق نشان میدهد که افزودن پارامترهای ژئومکانیکی پیشبینی نرخ نفوذ حفاری دقیقتر صورت گرفته و ضریب همبستگی مدل به 0/77 رسید است. لازم به ذکر است که این مدل براساس داده های یکی از چاه های میدان آزادگان در جنوب غربایران توسعه یافته است می تواند در برنامه ریزی دقیق تر حفاری در چاه های منطقه نقش قابل توجهی ایفا کند.

کلیدواژه ها:

نرخ نفوذ حفاری ، پارامتر عملیاتی ، پارامتر محیطی ، خصوصیات ژئومکانیکی ، شبکه عصبی مصنوعی