پیش بینی هرزروی سیال حفاری در میدان نفتی مارون با استفاده از هوش مصنوعی

هرزروی سیال حفاری از جمله مشکلات عدیده ای است که صنعت حفاری با آن مواجه می باشد.همین موضوع سبب می شود تا شرکت های نفتی و صنعت حفاری سالیانه هزینه های هنگفتی جهت جلوگیری از بروز این پدیده ومشکلات ناشی از آن متحمل شوند. مشکلاتی از قبیل :فوران چاه، گیرلوله ها، صرف هزینه های گزاف جهت تامین این مواد گران قیمت، تاخیر در عملیات حفاری.دلایل هرزروی می تواند،تمیز کردن نادرست دیواره چاه،وزن زیاد گل،جنس سازند بسته به ماسه سنگی و یا کربناته بودن آن، ناهمگنی و وجود شکافهایی با هندسه وطول های متفاوت،فرستادن هرنوع سیالی با فشار بسیار بالاتر از فشار سازند و...باشد.هرزروی بسته به میزان هدرروی گل حفاری به داخل چاه می تواند به چهار گروه به شرح زیر تقسیم شود:نشت کمتر از 240 بشکه در روز ، نفوذ جزیی 240-2400 بشکه در روز، شدید 2415.1 بشکه در روز هفته ها و هرزروی کامل که در هیچ گونه سیالی به سطح باز نمی گردد.از آنجایی که هرزروی می تواند هزینه ها به طول بیانجامد و باعث هدروی مواد بسیار زیاد و آسیب به سازندشود، پیش بینی آن یک موضوع مهم به شمار می آید.عوامل یک موضوع مهم به شمار می آید.عوامل مختلفی وجود دارند که با استفاده از آنها می توان هرزروی را پیش بینی نمود.در این مقاله سعی شده است تا با استفاده از داده های هرزروی میدان نفتی مارون، تاثیر هر کدام از این پارامتر ها را بر روی میزان هرزروی در نرم افزار متلب و با استفاده از سیستم شبکه های عصبی مصنوعی که قدر بی نظیری در شبیه سازی عوامل پیچیده موثر روی یک موضود دارند بررسی کرده و میزان هرزروی را تخمین بزنیم. این پیش بینی ها نتایج قابل قبولی را به همراه داشته اندکه با استفاده از آن می توان این پدیده را بصورت نسبی تشخیص داد.

Keywords:

شبکه های عصبی مصنوعی , هرزروی سیال حفاری , میدان نفتی مارون