ارزيابي آلودگي فلزات سنگين و مواد آلي كنده ها و گل حفاري با استفاده از تكنيك الگوريتم رگرسيون يادگيري حدي هوش مصنوعي در يكي از ميادين نفتي جنوب ايران

سابقه و هدف: فرآيند استخراج و بهره برداري از منابع نفت و گاز به چرخه توليد، ارسال و بازيافت گل حفاري يا سيال حفاري نياز دارد، بنابراين رسيدن به تركيب مناسب گل حفاري و بازيافت مجدد آن، به عنوان يك امر مهم و اساسي در صنعت نفت و محيط زيست به شمار مي رود. به طوري كه مشخص نمودن ميزان آلودگي فلزات سنگين و مواد آلي موجود در گل حفاري و كنده هاي حفاري به صورت غير مستقيم مي تواند حائز اهميت باشد.مواد و روش ها: در اين تحقيق سعي شده است كه ميزان آلودگي كنده هاي حفاري، با وجود پارامترهاي سازندي در 10 چاه نفتي حفاري شده در اعماق مختلف (66 دسته داده)، به كمك رگرسيون يادگيري حدي شبكه عصبي مصنوعي، تخمين زده شود.نتايج و بحث: تعداد 60 دسته داده از داده هاي تهيه شده به منظور تخمين ميزان تغيير در غلظت فلزات سنگين، هيدروكربن هاي آروماتيك چند حلقه اي در فرآيند يادگيري و آزمون دخالت داده شده اند و 6 دسته داده ديگر مربوط به يك چاه كه به طور تصادفي انتخاب شده و در فرآيند اعتبارسنجي شبكه عصبي مصنوعي استفاده شده اند. الگوريتم رگرسيون يادگيري حدي براي 10 عنصر سنگين و 10تركيب آروماتيك آلوده كننده ي كنده و گل حفاري بر روي دو سري داده ي مختلف در يك منطقه ي حفاري در يكي از ميادين نفتي جنوب ايران مورد ارزيابي قرار گرفت.نتيجه گيري: تخمين ميزان آلودگي كنده هاي حفاري وگل حفاري با استفاده از الگوريتم مورد استفاده در تحقيق مناسب بوده و در پروسه هاي بعدي صيانت از محيط زيست از قبيل فرآيند تثبيت آلودگي ها و بازيافت گل حفاري نقش كارآمدي خوهد داشت.