علیرضا ردایی - استادیار و هیئت علمی دانشگاه صنعتی مالک اشتر تهران
امیر حصیمی - دانشجوی کارشناسی ارشد
محمدجواد صراف شیرازی - استادیار و هیئت علمی دانشگاه یزد

عملیات حفاری فرآیندی دشوار و پرهزینه می باشد که می توان به مشکلات و دشواری هایی نظیر فوران چاه های نفت و گاز، هرزروی های شدید، بریدن رشته و گیر لوله های حفاری اشاره کرد؛ که با واکنش سریع و صحیح نسبت به هر رخداد و یا پیش بینی آن می توان احتمالوقوع آن را کاهش داد. اخیراً کاربرد و استفاده موفقیت آمی ز از شبکه های عصبمیصنوعی 3 ( هوش مصنوعی) در صنایع نفت رواج زیای پیدا کرده است و موجب شده تا از این شبکه جهت پیش بینی گیر ل وله های حفاری نیز استفاده گردد. در این مقاله بکارگیری شبکه های عصبی( هوش مصنوعی) در جهت پیش بینی مشکل گیر رشته ی حفاری در میدان کیش مورد بررسی قرار گرفته است. در این تحقیق ازشبکه عصبی مصنوعی نوعMultilayer perceptron و آموزش شبکه بر اساس Levenberg Marqua برای پیش بینی گیر رشته حفاری ناشی از عوامل مختلفی چون اختلاف فشاری ، تنگی چاه ، هیدرولیک ضعیف گل حفاری ، آرایش نامناسب رشته حفاری ،کیک گل حفاری به همراه تاثیرات عوا مل زمین شناسی در حین عملیات حفاری استفاده شده است . نتایج به دست آمده نشان می دهد که شبکه های عصبی می توانند با دقت بسیار خوبی گیر رشته حفاری را در شرایط گوناگون پیش بینی کرده و همچنین راه کار مناسبی برای حل این مشکل در صنعت حفاری است .

پ یش بینی گیر لوله های حفاری ،کاربرد شبکه عصبی مصنوعی ،کاربرد هوش مصنوعی