مدلسازي سرعت حفاري با استفاده از شبكه هاي عصبي مصنوعي

شبيهسازي و مدلسازي از روشهاي نويني هستند كه با افزايش سرعت، كاهش هزينهها و كاهش ريسكهاي حفاري، كاربرد گستردهاي در عمليات حفاري يافتهاند. به همين منظور ارائه مدلي كه بتواند سرعت حفاري را با توجه به پارامترهاي مؤثر برآن تخمين بزند؛ بسيار حائز اهميت است. در اين تحقيق جهت مدلسازي از نرمافزار MATLAB ، استفاده شده است كه با توجه به قابليتهاي آن، امكان آزمون و خطا و آموزش دادهها براي رسيدن به خروجي هدف با روشهاي متفاوت شبكههاي عصبي مصنوعي، ميباشد. با استفاده از اين عوامل تأثيرگذار مدلي بدست ميآيد كه كمترين خطا را داشته باشد به دليل كافي نبودن اطلاعات راجع به خصوصيات فيزيكي يا مكانيكي سنگها به ناچار مدلها براساس نوع سازندهاي موجود در منطقه ارائه گرديده و تغييرات در نوع سنگها به اين ترتيب تفكيك و محدود شده است. با نظر به تعداد و نوع دادهها، مدلهايي براي پيشبيني سرعت حفاري در سازندهاي آغاجاري، گچساران 7 ، آسماري و سروك ارائه شد. در مدل سازيهاي انجام شده، آموزش شبكه با روش Neural Network Fitting به روش neural Network ارجحيّت دارد و جواب مناسبتري در اختيار ميگذارد. در مدلهاي ارائه شده؛ مدل گچساران 7 با ضريب همبستگي 95561 / 0 ، بهترين تطبيق بين سرعت حفاري تخميني و واقعي را نشان ميدهد. مدلهاي آسماري، سروك و آغاجاري نيز به ترتيب با ضرايب همبستگي 94713 / 0 ، 93597 / 0 و 76781 / 0 ؛ از قابليت كمتري نسبت به مدل گچساران برخودارند.