ارائه ابزار گرافیکی به منظور پیش‌بینی نرخ نفوذ حفاری با استفاده از شبکه‎های هوشمند

پیش‎بینی نرخ نفوذ حفاری به‎دلیل نقش آن در به حداقل رساندن هزینه‌های حفاری برای بهینه‎سازی حفاری از اهمیت زیادی برخوردار است. تحلیل اطلاعات میدانى، عنصر اصلى کاهش هزینه و بهبود عملیات حفارى بوده و توسعه ابزار‎هاى تحلیل اطلاعات میدانی و ارائه مدل‌های پیش‌بینی، یکى از راه‎هاى توسعه و بهبود عملیات حفارى به شمار می‎رود. هنگامی‌که یک سیستم حفارى مستقر شد، تنها تعداد پارامترهای محدودى هستند که قابل کنترل و تغییر هستند؛ لذا موفقیت‌آمیز بودن طرح های حفاری به میزان زیادی به پیش‎بینی عملکرد حفاری وابسته است. هدف اصلی انجام این تحقیق کاربرد شبکه‌های هوشمند و ارائه ابزارهایی گرافیکی برای پیش‌بینی نرخ نفوذ حفاری است که بدین منظور یک بانک اطلاعاتی از داده‌های میدانی از جمله عمق چاه، وزن روی مته، سرعت چرخش مته، فشار لوله حفاری، وزن روی قلاب و گشتاور از یکی از میادین جنوب کشور تهیه شد. در این تحقیق دو نوع مختلف و کاربردی از ابزار گرافیکی برای پیش‎بینی نرخ نفوذ حفاری و نیز محاسبه هزینه بر فوت، با استفاده از شبکه عصبی و عصبی فازی توسعه داده شد که ابزار اول درخصوص پیش‎بینی نرخ نفوذ حفاری و ابزار دوم به منظور ارزیابی اقتصادی عملکرد مته و محاسبه‌ هزینه بر فوت ارائه شده است. نتایج تحلیل‌ها با استفاده از این ابزار گرافیکی نشان داد که رابطه خوبی با ضریب همبستگی (0.94=r^2) برای پیش‌بینی نرخ نفوذ با استفاده از شبکه عصبی به‎دست می‌آید. در ادامه به جهت بهبود رابطه به‎دست آمده از روش شبکه عصبی فازی بهره گرفته شد. نتایج نشان داد که رابطه بسیار خوبی با دقت بالا با ضریب تعیین (0.99=r^2) حاصل می‌شود که حاکی از بهبود دقت مدل پیش‌بینی با استفاده از روش عصبی فازی است.