ارائه مدل هوشمند سیستم استنتاج عصبی- فازی تطبیقی به منظور تخمین نرخ نفوذ حفاری در یکی از میادین نفتی ایران

عملیات حفاری یکی از هزینه ­بر­ترین قسمت­ های بالادستی در صنایع مختلف نفت و گاز می­ باشد. از این­رو اهداف اصلی در مهندسی حفاری، بهینه­ سازی عملیات جهت کاهش زمان حفاری با روش­ های اقتصادی و در نتیجه کاهش هزینه­ ها است. تخمین نرخ نفوذ حفاری به دلیل نقش آن در کمینه نمودن هزینه ­های حفاری برای بهینه­ سازی عملیات از اهمیت زیادی برخوردار است. تحلیل داده­های میدانی، کلید اصلی کاهش هزینه و بهبود عملیات حفاری بوده و توسعه ابزارهای تحلیل داده ­ها و ارائه مدل­های پیش ­بینی، یکی از راه ­های توسعه و بهبود عملیات حفاری به شمار می ­رود. هدف اصلی انجام این مطالعه کاربرد سیستم هوشمند جهت تخمین نرخ نفوذ است که بدین منظور یک بانک اطلاعاتی از داده­ های میدانی از جمله وزن روی مته، سرعت چرخش مته، نرخ گردش گل، افت فشار حفاری، وزن سیال حفاری، عمق حفاری و همچنین نرخ نفوذ از یکی از میادین ایران تهیه گردید. سپس سامانه هوشمند استنتاج عصبی- فازی تطبیقی به منظور تخمین نرخ نفوذ با استفاده از داد­ه ­های ذکر شده طراحی و ساخته شد. از داده­ های حفاری و نرخ نفوذ متناظر با آن­ها در شش چاه میدان مورد مطالعه به عنوان مجموعه ی الگوهای آموزشی برای تشکیل سیستم عصبی-فازی استفاده گردید. انتخاب داده ها نیز به صورت تصادفی صورت گرفت. داده­ های سه چاه دیگر از میدان مورد بحث (به جز چاه­ هایی از میدان که از داده ­های آن­ها برای آموزش و ساخت سیستم استفاده شد) جهت تخمین نرخ نفوذ وارد سیستم شدند و پس از تخمین نرخ نفوذ متناظر با داده ­های ورودی، خروجی سیستم با مقادیر واقعی مقایسه گردید. ارزیابی نتایج استفاده از این سامانه نشان داد که ضریب همبستگی خوب و با دقت بالایی برای تخمین نرخ نفوذ حاصل می­شود که حاکی از دقت مدل پیش ­بینی با استفاده از روش عصبی-فازی است.