بهینه سازی نرخ نفوذ مته بر اساس نوع مته و پارامترهای اعمالی بر آن در حفره 12 1/4 میدان آزادگان جنوبی با استفاده از شبکه عصبی

بهینه سازی عملیات حفاری به دلیل هزینه ی بالای حفاری دارای اهمیت خاصی است. کاهش هزینه های حفاری به عوامل مختلفی بستگی دارد که انتخاب روش مناسب و بهینه سازی عوامل موثر دستیابی به حداکثر میزان نرخ نفوذ مته را قابل دسترسی می نماید. پارامترهای مختلفی ازجمله تمیزکاری چاه، سختی سازند، و اختلاف فشار درون سازند بر روی نرخ نفوذ مته در سازند تاثیر دارند که ارتباط مناسب این پارامتر با هم در انتخاب نرخ نفوذ مناسب اهمیت و ضرورت دارد. ازآنجاییکه ارتباط این عوامل با یکدیگر پیچیده است نیاز به یک روش محاسباتی قابل اجرا می باشد. شبکه عصبی مصنوعی یک روش محاسباتی نوین برای یادگیری ماشینی است که برای پیش بینی پاسخ های خروجی سیستمهای پیچیده استفاده میگردد.در این پژوهش روش شبکه عصبی مصنوعی تابع پایه شعاعی به منظور تخمین نرخ نفوذ مته و سپس الگوریتم بهینه سازی ذرات به منظور بهینه سازی پارامترهای حفاری در پیش بینی نرخ نفوذ مته مناسب و تخمین زمان حفاری چاه و درنتیجه کاهش هزینه های حفاری چاه و همچنین عوامل مهم در حفاری سازندهای میدان نفتی آزادگان مورد بررسی قرار گرفت. به این منظور پارامترهای جریان سیال حفاری ، وزن روی مته، چرخش مته، فشار لوله، گشتاور در دقیقه و عمق مته مورد استفاده قرار گرفتند. که از میان آنها چهار مورد اول به عنوان پارامترهای قابل تغییر انتخاب شدند و مقادیر آنها با استفاده از الگوریتم بهینه سازی ازدحام ذرات به منظور رسیدن به نرخ نفوذ بهینه بدست آمد.

Keywords:

بهینه سازی , شبکه عصبی , الگوریتم ازدحام ذرات , نرخ نفوذ مته , عملیات حفاری