تخمین گشتاور روی مته در عملیات حفاری چاه‌های نفت و گاز با استفاده از شبکه عصبی مصنوعی

گشتاور روی مته به‌طور مستقیم متاثر از اندرکنش مته و سنگ است و افزایش آن منجر به افزایش انرژی ویژه و لرزش رشته حفاری می‌شود. هدف این تحقیق شناخت پارامترهای تاثیرگذار بر گشتاور و توسعه مدل‌ هوش مصنوعی پیش‌بینی آن است. به‌این منظور داده‌های چهار چاه حفر شده در یکی از میادین نفتی ایران گردآوری شده و فرایند پیش‌پردازش شامل پاکسازی و آماده‌سازی داده به‌طور کامل بر روی آن انجام شده است. همچنین، پارامترهای ژئومکانیکی نیز با استفاده از داده‌های پتروفیزیکی، تخمین زده شده است. داده‌های سه چاه به‌عنوان داده‌های مدلسازی (آموزش و تست) و یک چاه به‌عنوان داده‌های اعتبارسنجی در نظر گرفته شده است. به‌منظور انتخاب تعداد و ترکیب بهینه پارامترها در تخمین گشتاور، از نسخه دوم الگوریتم ژنتیک با مرتب‌سازی نامغلوب (nsga-ii) ترکیب شده با شبکه عصبی مصنوعی استفاده شده است. بر این اساس پارامترهای عمق، مدول یانگ، زاویه اصطکاک داخلی، چسبندگی، تنش افقی حداکثر، وزن روی مته، سرعت چرخش مته، نرخ جریان پمپ و مقدار ساییدگی مته انتخاب شدند. در نهایت شبکه عصبی مصنوعی چندلایه مفهومی (mlp) برای تخمین گشتاور به کار گرفته شده است. ارزیابی دقت مدل‌های مختلف به‌منظور دستیابی به ساختار بهینه شبکه نشان داد که مدل شبکه عصبی با سه لایه پنهان و تعداد 14، 11 و 9 نورون به ترتیب در لایه‌های اول تا سوم با مقادیر 24/0 و 28/0 برای مجذور میانگین مربعات خطاها (rmse) و مقادیر 98/0 و 97/0 برای ضریب تعیین (r-square) به ترتیب بر روی داده‌های آموزش و آزمون، از دقت بالایی برخوردار بوده است. بررسی دقت مدل بر روی داده‌های اعتبارسنجی نیز نشان داد که این مدل با مقادیر 36/0 و 7/0 به ترتیب برای rmse و r-square قابلیت تعمیم قابل قبولی دارد. بنابراین استفاده از این مدل‌ هوش مصنوعی در پیش‌بینی گشتاور روی مته برای میدان مورد مطالعه در محدوده اطلاعات مدل‌سازی پیشنهاد می‌شود.