تخمین سرعت حفاری با سیال کف با استفاده از شبکه عصبی مصنوعی رگرسیون عمومی

سرعت حفاری یا به بیان دیگر نرخ نفوذ مته از مهم ترین پارامترها در عملیات حفاری می باشد. از آن جا که عملیات حفاری سهم قابل توجهی از هزینه های اکتشاف و بهره برداری مواد هیدروکربوری را به خود اختصاص می دهد، تخمین سرعت حفاری از اهمیت ویژه ای برخوردار است. بدست آوردن ارتباط صحیح بین پارامترهای حفاری جهت تخمین سرعت حفاری اهمیت بالایی دارد، که شبکه های عصبی قادر به بدست آوردن ارتباط صحیح بین پارامترهای حفاری و نرخ نفوذ مته می باشند. در این مقاله به تخمین سرعت حفاری با سیال کف با روش شبکه عصبی مصنوعی رگرسیون عمومی برای چاه شماره 6 میدان شانول، پرداخته می شود. میدان شانول واقع در جنوب ایران، منطقه فارس ساحلی می باشد. این میدان جزء میادین گازی کشور بوده که چاه شماره 6 این میدان حدود 2800 متر با کف حفاری شده است. نتایج حاصل نشان دهنده قابلیت بالای شبکه عصبی در تخمین سرعت حفاری با توجه پارامترهای دخیل در حفاری می باشد.