تخمین نرخ نفوذ حفاری با استفاده از شبکه عصبی مصنوعی

بهینه سازی نرخ نفوذ حفاری،یکی از مهم ترین پارامترهای موثر در کاهش هزینه های حفاری می باشد.به طور معمول،عملیات بهینه سازی،با توجه به عملکرد چاه های مشابه صورت می گیرد و نتایج آن در چاه فعلی مورداستفاده قرار می گیرد.از آنجا که توانایی شبکه هوشمند در ایجاد رابطه بین متغییر های زیاد اثبات شده است،لذا به نظر می رسد شبکه هوشمند نتیجه مفیدی را در پیش بینی نرخ نفوذ داشته باشد.در این پروژه با استفاده از نرم افزار متلب و داده های گروه گل نگاری مستقر در محل حفاری که به صورت لحظه ای در دسترس است، مدلی ساخته می شود که بتواند نرخ نفوذ را پیش بینی بکند.در این مدل،با استفاده از پارامترهای حفاری از قبیل وزن روی مته،سرعت چرخش مته،مقدار پمپاژ سیال حفاری ،وزن گل حفاری و میزان گشتاور حفاری ،نرخ نفوذ را پیش بینی می کنیم.در مدل ارایه شده ، مقادیر به دست آمده برای میانگین کلی درصد انحراف مطلق و ضریب همبستگی بین داده های آزمایشگاهی و مقادیر پیش بینی شده توسط مدل سیستم عصبی فازی تطبیقی برابر 5,48% ، 0,711 هستند.