به کارگیری ماشین بردار پشتیبان SVM در بررسی و تشخیص پدیده گیر رشته حفاری بههمراه تحلیل مؤلفه اصلی جهت بهبود عملکرد

یکی از مشکلات رایج صنعت حفاری، پدیده گیر لوله و متعلقات رشته حفاری میباشد که علاوه بر توقف عملیات حفر چاه و اتلاف زمان، گاهاً منجر به از دست رفتن چاه میگردد. در بسیاری از موارد که تلاشها برای آزادسازی رشته حفاری بینتیجه میماند، نیاز به حفر چاه انحرافی از نقطهای بالاتر، صرف هزینه و استفاده از تجهیزات جدید میباشد که همگی از نتایج نامطلوب گیر رشته حفاری خواهد بود. لذا شناسایی این پدیده و عواملو شرایط مؤثر بر آن، میتواند در جلوگیری از وقوع این پدیده مؤثر باشد. در این پژوهش سعی گردیده است تا با بهکارگیری الگوریتم ماشین بردار پشتیبان SVM و استفاده از آن در دستهبندی مجموعه دادههای مرتبط با رخدادهای وقوع یا عدم وقوع گیر لوله، امکان تشخیص این پدیده مورد بررسی قرار گیرد. در کنار این الگوریتم، از تحلیل مؤلفه اصلی PCA که یک روش آماری برای کاهش بعد دادهها میباشد استفاده شده است اطلاعات به کار رفته در این پژوهش از گزارشات روزانه حفاری چاههای یکی از میادین جنوب غربی ایران استخراج گردیده است و شامل اطلاعات عملیات حفاری و سیال حفاری میباشد. از میان پارامترهایی که قابلیت استفاده در مدل را دارند12 پارامتر که بیشترین اثر را بر خروجی داشتند به عنوان ورودی مدل انتخاب شدند. اطلاعات ورودی شامل469 مجموعه داده است که70 مجموعه آن موارد گیر لوله و مابقی موارد عدم وقوع گیر میباشند. الگوریتم ماشین بردار پشتیبان توانست برای دو دسته گیر و عدم گیر در مجموع با دقت94 درصد، دستهها را شناسایی کند که این دقت برای دسته دادههای گیر61/4 درصد بود. جهت بهبود عملکرد این مدل از تحلیل مؤلفه اصلی استفاده شد که نتیجه آن شناسایی دستهها با دقت96/6 درصد در حالت مجموع بود. در این حالت دقت شناسایی دسته دادههای گیر که برای ما از اهمیت بیشتری برخوردار هستند،تا78/6 درصد بهبودیافت

Keywords:

گیرلوله حفاری , ماشین بردار پشتیبان , تحلیل مؤلفه اصلی , گزارشات روزانه حفاری