ارائه یک مدل جدید به منظور پیش بینی مچالگی لوله جداری با استفاده از داده های پتروفیزیکی

خطر مچالگی ل وله جداری یکی از مواردی است که مهندسان حفا ری با دقت در طراحی چاه ها و روش های عملیاتی به دنبال کاهش آنهستند. با این حال، برخی از سازندهای سنگی و فشار سیال و شرایط استرس آنها بیش از سایرین مستعد خطر سقوط هستند. سازندگچساران در جنوب غربی ایرا ن، یکی از این سازندها می باشد که برای اکتشاف و توسعه منابع نفت و گاز در منطقه زاگرس و سازند ازتنوع پیچیده انیدریت، مارن و نمک است. تنشه ای افقی و عمودی متغیر در سازند گچساران چالشی بر ای پیش بینی و غلبه بر آن است.این مطالعه به منظور توسعه و مقایسه دو مدل شبکه عصبی ترکیبی، پرسپترون چند لایه تنظیم شده، با یک الگوریتم ژنتیک (MLP-GA) مچالگی لوله جداری را از منظر ژئومکانیک نفت بررسی می کند. این الگوریتم های یادگیری ماشین بر ای پیش بینی نسبت پواسون(ϑ) و حداکثر فشار افقی (Hσ) از داده های ورو دی به خوبی وارد شده پیکربندی شده اند. یک مجموعه داده بزرگ از یک حلقه چاه حفرشده از سازند گچساران در میدان نفتی مارون، بر اساس ۲۲۳۲۳ مجموع داده از یک چاه فرو ریخته به بخش های آموزشی (۱۵۶۲۶مجموع داده، ۷۰ ٪) و زیرمجموعه آزمایش مستقل (۶۶۹۷ مجموع داده، ۳۰ ٪) تقسیم می شود. این آزمایش ها تایید کردند که الگوریتمها دقت پیش بینی بالایی را برای نسبت پواسون و حداکثر تنش افقی در سایر چاه های چاه به دست آوردند.

Keywords:

مچالگی لوله جداری , نسبت پواسون , حداکثر تنش افقی , سازند گچسارا ن