پیش بینی نگار سونیک تراکمی توسط داده های حین حفاری چاه (real time)با استفاده از الگوریتم ماشین تقویت کننده گرادیان

سرعت امواج لرزه ای تراکمی و برشی در کنار داده های پتروفیزیکی اطلاعات ارزشمندی را در مراحل مهم اکتشاف و توسعه میدان های نفت و گاز فراهم میکنند. نگار سونیک که جهت محاسبه سرعت امواج لرزه ای در محل چاه به کار می رود، علاوه بر ارائه خواص پتروفیزیکی سنگ مخزن نظیر تخلخل، برای طراحی و محاسبات حفاری و شکست سنگ نیز استفاده می شود. با این وجود، نمودار گیری توسط ابزار های سونیک که معمولا با صرف زمان و هزینه زیادی اجرا می گردد، در برخی شرایط عملیاتی خاص امکان اجرای آن فراهم نمی گردد. از طرفی در بسیاری از چاههای قدیمی، این نگار برداشت نشده است، و بالطبع اطلاعات مستخرج از این نگار نیز در دسترس نمی باشد. هدف این مقاله ارائه مدلی مبتنی بر یادگیری ماشین برای پیش بینی نگار سونیک تراکمی با استفاده از داده های حفاری حین حفر چاه و لیتولوژی کنده های حفاری می باشد. در این مطالعه از داده های دو چاه در مرحله آموزش و تست برای ساخت یک مدل هوشمند با استفاده از الگوریتم ماشین تقویت کننده گرادیان (extreme gradient boosting) استفاده شده است و همچنین از داده های چاه سوم به عنوان داده کور برای اعتبار سنجی مدل استفاده شده است. که میزان میانگین قدر مطلق خطاها برای داده های پیش بینی شده برابر 07/4 به دست آمده است که نشان دهنده کارایی مناسب روش پیشنهادی است.