شبیهسازی و مدلسازی از روشهای نوینی هستند که با افزایش سرعت، کاهش هزینهها و کاهش ریسکهای حفاری،کاربرد گستردهای در عملیات حفاری یافتهاند. به همین منظور ارائه مدلی که بتواند سرعت حفاری را با توجه به پارامترهایمؤثر برآن تخمین بزند؛ بسیار حائز اهمیت است. در این تحقیق جهت مدلسازی از نرمافزار MATLAB ، استفاده شده است که با توجه به قابلیتهای آن، امکان آزمون و خطا و آموزش دادهها برای رسیدن به خروجی هدف با روشهای متفاوتشبکههای عصبی مصنوعی، میباشد. با استفاده از این عوامل تأثیرگذار مدلی بدست میآید که کمترین خطا را داشته باشدبه دلیل کافی نبودن اطلاعات راجع به خصوصیات فیزیکی یا مکانیکی سنگها به ناچار مدلها براساس نوع سازندهایموجود در منطقه ارائه گردیده و تغییرات در نوع سنگها به این ترتیب تفکیک و محدود شده است. با نظر به تعداد و نوعدادهها، مدلهایی برای پیشبینی سرعت حفاری در سازندهای آغاجاری، گچساران 7 ، آسماری و سروک ارائه شد. در مدل سازیهای انجام شده، آموزش شبکه با روش Neural Network Fitting به روش neural Network ارجحیت دارد و جوابمناسبتری در اختیار میگذارد. در مدلهای ارائه شده؛ مدل گچساران 7 با ضریب همبستگی 95561 / 0 ، بهترین تطبیقبین سرعت حفاری تخمینی و واقعی را نشان میدهد. مدلهای آسماری، سروک و آغاجاری نیز به ترتیب با ضرایب همبستگی 94713 / 0 ، 93597 / 0 و 76781 / 0 ؛ از قابلیت کمتری نسبت به مدل گچساران برخودارند.