بهینهسازی پارامترهای حفاری جهت انتخاب بهترین مته با استفاده از شبکههای عصبی مصنوعی

انتخاب بهینه مته حفاری یکی از پارامترهای مهم در فرآیند بهینه سازی عملیات حفاری است. انتخاب بهینه مته حفاری بر اساس عملکرد متههای سابق استفاده شده در چاه میباشد. پارامترهای زیادی در انتخاب مته اثر دارند.ایجاد یک رابطه منطقی بین این پارامترها در فرایند انتخاب مته بسیار مشکل میباشد. از آنجایی که توانایی شبکه عصبی هوشمند در ایجاد رابطه بین متغیرهای زیاد اثبات شده است، لذا به نظر می رسد شبکه هوشمند نتیجه مفیدی را در انتخاب بهینه مته حفاری داشته باشد. در این تحقیق با استفاده از نرم افزارMATLABمدلی که قادر است نوع مته را پیش بینی کند، ساخته میشود. سپس مدل مذکور با استفاده از الگوریتم پس انتشار خطاBP)و شبکه پیشخورFeed–Forward Network)توسعه یافت. پارامترهای حفاری از قبیل اندازه مته، تعداد نازلها و مساحت آنها، وزن روی مته، سرعت چرخش رشته حفاری، سرعت نفوذ لازم، مقدار پمپاژ سیال حفاری و فشار آن، سختی سازند، عمق و وزن گل موجود در چاه به عنوان ورودی مدل و نوع مته بر اساس کد به عنوان خروجی میباشد. با استفاده از دادههای موجود، در ابتدا مدل ساخته و آموزش داده می شود و آنگاه آزمایش و تست میگردد. ضریب همبستگیANNبرای طرح کلی آموزش و خروجی پیش بینی شده، 0.9 است.