ارزیابی آلودگی فلزات سنگین و مواد آلی کنده ها و گل حفاری با استفاده از تکنیک الگوریتم رگرسیون یادگیری حدی هوش مصنوعی در یکی از میادین نفتی جنوب ایران

سابقه و هدف: فرآیند استخراج و بهره برداری از منابع نفت و گاز به چرخه تولید، ارسال و بازیافت گل حفاری یا سیال حفاری نیاز دارد، بنابراین رسیدن به ترکیب مناسب گل حفاری و بازیافت مجدد آن، به عنوان یک امر مهم و اساسی در صنعت نفت و محیط زیست به شمار می­ رود. به­ طوری­که مشخص نمودن میزان آلودگی فلزات سنگین و مواد آلی موجود در گل حفاری و کنده ­های حفاری به صورت غیر مستقیم می ­تواند حائز اهمیت باشد.مواد و روش ­ها: در این تحقیق سعی شده است که میزان آلودگی کنده ­های حفاری، با وجود پارامترهای سازندی در ۱۰ چاه نفتی حفاری شده در اعماق مختلف (۶۶ دسته داده)، به کمک رگرسیون یادگیری حدی شبکه عصبی مصنوعی، تخمین زده شود.نتایج و بحث: تعداد ۶۰ دسته داده از داده ­های تهیه شده به منظور تخمین میزان تغییر در غلظت فلزات سنگین، هیدروکربن­ های آروماتیک چند حلقه­ ای در فرآیند یادگیری و آزمون دخالت داده شده ­اند و ۶ دسته داده دیگر مربوط به یک چاه که به طور تصادفی انتخاب شده و در فرآیند اعتبارسنجی شبکه عصبی مصنوعی استفاده شده ­اند. الگوریتم رگرسیون یادگیری حدی برای ۱۰ عنصر سنگین و ۱۰ترکیب آروماتیک آلوده کننده­ ی کنده و گل حفاری بر روی دو سری داده ­ی مختلف در یک منطقه ­ی حفاری در یکی از میادین نفتی جنوب ایران مورد ارزیابی قرار گرفت.نتیجه گیری: تخمین میزان آلودگی کنده ­های حفاری وگل حفاری با استفاده از الگوریتم مورد استفاده در تحقیق مناسب بوده و در پروسه ­های بعدی صیانت از محیط زیست از قبیل فرآیند تثبیت آلودگی ­ها و بازیافت گل حفاری نقش کارآمدی خوهد داشت.

Keywords:

فلزات سنگین , هیدروکربن های آروماتیک چند حلقه ای , کاتینگ حفاری , رگرسیون یادگیری حدی