ارائه ابزار گرافيكي به منظور پيش‌بيني نرخ نفوذ حفاري با استفاده از شبكه‎هاي هوشمند

پيش‎بيني نرخ نفوذ حفاري به‎دليل نقش آن در به حداقل رساندن هزينه‌هاي حفاري براي بهينه‎سازي حفاري از اهميت زيادي برخوردار است. تحليل اطلاعات ميدانى، عنصر اصلى كاهش هزينه و بهبود عمليات حفارى بوده و توسعه ابزار‎هاى تحليل اطلاعات ميداني و ارائه مدل‌هاي پيش‌بيني، يكى از راه‎هاى توسعه و بهبود عمليات حفارى به شمار مي‎رود. هنگامي‌كه يك سيستم حفارى مستقر شد، تنها تعداد پارامترهاي محدودى هستند كه قابل كنترل و تغيير هستند؛ لذا موفقيت‌آميز بودن طرح هاي حفاري به ميزان زيادي به پيش‎بيني عملكرد حفاري وابسته است. هدف اصلي انجام اين تحقيق كاربرد شبكه‌هاي هوشمند و ارائه ابزارهايي گرافيكي براي پيش‌بيني نرخ نفوذ حفاري است كه بدين منظور يك بانك اطلاعاتي از داده‌هاي ميداني از جمله عمق چاه، وزن روي مته، سرعت چرخش مته، فشار لوله حفاري، وزن روي قلاب و گشتاور از يكي از ميادين جنوب كشور تهيه شد. در اين تحقيق دو نوع مختلف و كاربردي از ابزار گرافيكي براي پيش‎بيني نرخ نفوذ حفاري و نيز محاسبه هزينه بر فوت، با استفاده از شبكه عصبي و عصبي فازي توسعه داده شد كه ابزار اول درخصوص پيش‎بيني نرخ نفوذ حفاري و ابزار دوم به منظور ارزيابي اقتصادي عملكرد مته و محاسبه‌ هزينه بر فوت ارائه شده است. نتايج تحليل‌ها با استفاده از اين ابزار گرافيكي نشان داد كه رابطه خوبي با ضريب همبستگي (0.94=R^2) براي پيش‌بيني نرخ نفوذ با استفاده از شبكه عصبي به‎دست مي‌آيد. در ادامه به جهت بهبود رابطه به‎دست آمده از روش شبكه عصبي فازي بهره گرفته شد. نتايج نشان داد كه رابطه بسيار خوبي با دقت بالا با ضريب تعيين (0.99=R^2) حاصل مي‌شود كه حاكي از بهبود دقت مدل پيش‌بيني با استفاده از روش عصبي فازي است.