مدل‌سازی افزایش سرعت و نرخ نفوذ حفاری در سنگ با کمک شبکه فازی ‏عصبی

فصلنامه زمین شناسی محیط زیست

دوره 16، شماره 60، آبان 1401، صفحه 1-15   

نوع مقاله: مقاله پژوهشی

نویسندگان

ناصر عبادتی^{* 1}؛ روناک پروانه²؛ محراب عزیزی³

¹دانشگاه آزاد اسلامی واحد اسلامشهرگروه زمین شناسی، واحد اسلام شهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران

²انستیتو مهندسی نفت، دانشکده مهندسی شیمی، دانشگاه تهران، تهران، ایران

³‏1گروه مهندسی نفت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

براساس داده­های میدانی، روش­های مختلفی برای کاهش هزینه حفاری چاه­ها وجود دارد. یکی از این روش ها بهینه­سازی پارامترهای حفاری برای به دست آوردن حداکثر نرخ نفوذ (ROP) موجود است. پارامترهای بسیار زیادی بر روی ROP تاثیر می­گذارند. هدف اصلی انجام این تحقیق کاربرد شبکه­های هوشمند برای نرخ نفوذ حفاری است که بدین منظور داده­های ورودی چاه اعم از عمق حفاری، مدت زمان عملیات حفاری، سرعت گردش مته، وزن روی مته، وزن و حجم گل حفاری به عنوان داده ورودی و نرخ نفوذ حفاری به عنوان داده خروجی از یکی از میادین واقع در خلیج فارس تهیه شد. 70 درصد داده­ها برای آموزش شبکه، 15 درصد داده­ها برای اعتبار سنجی و 15 درصد داده­ها برای آنالیز حساسیت اختصاص داده شده است. طبق نتایج به دست آمده مشخص شد که با استفاده از این ابزار رابطه خوبی با ضریب همبستگی کل (96/0) برای پیش بینی نرخ نفوذ با استفاده از شبکه عصبی به دست می­آید که این نشان­دهنده این است که مدل از اعتبار خوبی برخوردار است. همچنین با استفاده از تکرار محاسبات در تکرار 12 بهترین مقدار به دست آمد که این مقدار برابر 24/14 درصد می­باشد.

کلیدواژه‌ها

شبکه‎ ‎عصبی؛ ‎ ‎نرخ‎ ‎نفوذ‎ ‎در‎ ‎سنگ؛ ‎ ‎وزن‎ ‎روی‎ ‎مته؛ ‎ ‎بهینه‎ ‎سازی؛ ‎ ‎سرعت‎ ‎دورانی‎ ‎رشته‎ ‎حفاری

مراجع