پیش بینی نرخ حفاری با استفاده از شبکه عصبی چند لایه

سال های اخیر، شبکه های عصبی کاربرد فراوانی در علوم مختلف پیدا کرده اند. در مهندسی نفت، شبکه های عصبی برای ایجاد مدل های تعادل فازی، پیش بینی رفتار سیال، پیش بینی میزان برداشت از مخزن و همچنین سرعتحفاری استفاده شده اند. در این مطالعه، مدلی بر پایه شبکه عصبی چندلایه به منظور پیش بینی نرخ حفاری توسعه داده شده است. بیش از 300 داده سرعت حفاری از یک میادن ایران استفاده شد. به منظور پیش بینی مقدار سرعت حفاری با استفاده از داده های میدانی از چند پارامتر ورودی شامل عمق، قطر چاه، سرعت تزریق گل، سرعت چرخش رشته حفاری، وزن روی مته، گشتاور، وزن گل، ویسکوزیته قیف، ویسکوزیته پلاستیک، نقطه واروی، نسبت ژل 10 ثانیه بر 10 دقیقه و هرزروی سیال استفاده شد. همچنین مقدار سرعت حفاری نیز به عنوان پارامتر خروجی مدل ها در نظر گرفته شد. برای قسمت آموزش شبکه مصنوعی از 80 درصد داده ها و برای بخش تست از 20 درصد با قیمانده داده ها استفاده شد. نتایج این مطالعه نشان داد که شبکه عصبی چندلایه می تواند برای پیش بینی سرعت حفاری مورد استفاده قرار بگیرد.

کلیدواژه ها:

حفاری ، نرخ حفاری ، شبکه عصبی ، شبکه چندلایه