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

امروزه به دلیل نیاز روز افزون بشر به انرژی، شرکت های نفتی مجبور شده اند که چاه های عمیق تر و زیادتری را حفر کنند و این به معنی صرف مدت زمان زیادتر برای حفاری چاه و عبور از سازندهای مختلف با خصوصیات متفاوت جهت رسیدن به مخزن نفتی مورد نظر می باشد. از آنجا که قسمت اعظم هزینه نهایی یک چاه مربوط به حفاری آن می باشد، داشتن برنامه ای مدون جهت صرف کمترین زمان ممکن برای حفاری بسیار حیاتی به نظر می رسد. در حین حفاری مشکلات زیادی ممکن است سبب انحراف عملیات از برنامه زمانی مورد نظر شوند که از این جمله می توان به هرزروی و گیر لوله ها اشاره کرد. گیر لوله ها عموما مربوط به زمان بعد از هرزروی های شدید می باشند. هرزروی سیال حفاری یکی از مشهودترین مشکلات حفاری می باشد که هزینه زیادی را به شرکت های نفتی تحمیل می کند. این پدیده از زمان شروع حفاری شروع شده و تا هنگام جداره گذاری ادامه می یابد. هرزروی از مقادیر کم تا بسیار شدید ممکن است اتفاق بیفتد که در نهایت می تواند منجر به گیر لوله ها یا فوران چاه گردد. آزاد کردن گیر لوله ها، ممکن است ساعت ها و یا حتی هفته ها از زمان دکل را هدر دهد. بنابراین داشتن اطلاعات دقیق از میزان سیال برگشتی به سطح و ثبت میزان هرزروی می تواند کمک شایانی به جلوگیری از مشکلات عدیده در حین حفاری کند. هرزروی گل حفاری تابع عوامل بسیار زیادی می باشد که مدل کردن همه آن ها بصورت تحلیلی ممکن است بسیار مشکل باشد. بنابراین استفاده از تکنیک های هوش مصنوعی که توانایی زایدالوصفی در شبیه سازی فرایند های پیچیده دارند، بسیار مؤثر به نظر می رسد. در این تحقیق سعی بر اینست که با توجه به داده های حفاری موجود در میدان نفتی مارون، میزان هرزروی را تخمین زد. پیش بینی های حاصل از شبکه عصبی سازگاری بسیار خوبی با میزان هرزروی واقعی موجود در گزارش های روزانه حفاری نشان می دهد.