ارایه یک رویکردجدید داده کاوی جهت برآوردزمان واقعی و پیش بینی نرخ نفوذ مته های حفاری چاه های نفت با استفاده از شبکه های عصبی فازی

با توجه به هزینه ی نسبتا سنگین حفاری، یکی از مهم ترین اهداف در مهندسی حفاری، کاهش هزینه ها می باشد. پیش بینی صحیح و قابل اعتماد نرخ نفوذ مته حفاری تاثیر بسازایی در افزایش روند سرعت حفاری و در نتیجه کاهش هزینه ها دارد. بنابراین طراحی مدل های مبتنی بر منطق فازی نسبت به شبکه عصبی می تواند در کاهش زمان و هزینه و تصمیم گیری های مختلف کمک بسازایی به اپراتور دستگاه های حفاری داشته باشد. در این مطالعه سعی شده است تا با استفاده از داده کاوی و رویکرد فازی -عصبی مدلی ساخته شود که بدستی بتواند نرخ نفوذ مته های حفاری را پیش بینی کند. در طراحی این مدل از داده های مربوط به چاه های منطقه ی عملیاتی خانگیران واقع در شمال شرق مشهد و از مخزن شوریجه ی دی استفاده شده است.پارامترهای ورودی طراحی عبارتند از : عمق فعلی ، عمق قبلی، وزن روی مته، سرعت چرخش مته، فشار پمپ خروجی، وزن گل، زمان حفاری و سایز مته می باشد و پارامترخروجی ، بدست آوردن میزان نرخ نفوذ مته ی حفاری می باشد. در انتها روش پیشنهادی بر روی داده های منطقه ی خانگیران بصورت کامل پیاده سازی شد و در مجموعه ی آموزش و آزمایش در بدترین حالت به درصد درستی بالای 95% رسیدیم که در مقایسه با بهترین روش های قبلی بهبود قابل ملاحظه ای از خود نشان می دهد. در نهایت نتایج به دست آمده هم به صورت جدول و هم به صورت نمودار آورده شده تا کارایی و درستی روش به صورت کامل تایید گردد.