%0 Journal Article %T ارائه مدلی برای پیش بینی نرخ نفوذ حفاری در میدان نفتی شادگان با استفاده از شبکه عصبی مصنوعی %J نشریه علمی ژئومکانیک نفت %I انجمن ژئومکانیک نفت ایران %Z 2538-4651 %A ابراهیم آبادی, آرش %D 2022 %\ 08/23/2022 %V 5 %N 2 %P 1-16 %! ارائه مدلی برای پیش بینی نرخ نفوذ حفاری در میدان نفتی شادگان با استفاده از شبکه عصبی مصنوعی %K شبکه عصبی مصنوعی‌ %K پیش‌بینی %K نرخ نفوذ %K ضریب همبستگی %K ضریب تعیین %K میدان نفتی شادگان %R 10.22107/jpg.2022.189126.1098 %X امروزه در هر پروژه مباحث هزینه و زمان از اهمیت بالایی برخوردار می‌باشند، بنابراین در صنعت حفاری نیز که یکی از پرهزینه‌ترین صنعت‌ها به شمار می‌رود، باید اقداماتی مقتضی در خصوص صرفه‌جویی در زمان و هزینه صورت پذیرد. در عملیات حفاری، با انتخاب صحیح ابزار مورد استفاده و هم‌چنین پیش‌بینی دقیق و به موقع پارامترها و مشکلات احتمالی می‌توان این عملیات را در زمان و هزینه کمتر انجام داد. در این راستا یکی از موثرترین راهکارها تحلیل اطلاعات میدانی و به‌دنبال آن توسعه و بهبود ابزارهای این تحلیل‌ها می‌باشد. در صنعت حفاری برای شناسایی مشکل و بهبود عملکرد حفاری عموما یا از آزمون های آزمایشگاهی و روابط تجربی استفاده می‌شود و یا از تجربیات گذشته بهره گرفته می‌شود. در این تحقیق سعی شد از روش‌های نوین و مدل‌سازی هوشمند برای پیش‌بینی نرخ نفوذ در عملیات حفاری استفاده شود که بدین منظور از روش شبکه عصبی مصنوعی استفاده شد. در این مقاله با استفاده از شبکه عصبی مصنوعی و داده‌های حفاری میدان نفتی شادگان (400 داده) و در سازند آغاجاری اقدام به ساخت مدلی جهت پیش بینی نرخ نفوذ حفاری شد و سپس نتایج حاصل با نتایج بدست آمده از مدل‌سازی با رگرسیون چند متغیره مقایسه شد. برای ارزیابی خصوصیات اصلی مدل بدست آمده و صحت‌سنجی آن از داده‌های چاه‌های مجاور استفاده شد. نتایج تحقیق نشان داد که ضریب همبستگی برای شبکه عصبی 0.97 و ضریب تعیین آن 0.94 بدست آمد در حالی‌که در تحلیل آماری، مقدار ضریب همبستگی 0.94 و ضریب تعیین برابر با 0.89 می باشد که این امر دقت بالاتر مدل‌سازی با شبکه عصبی را نشان می‌دهد. %U http://www.irpga-journal.ir/article_155471_b088cce3656d9a280cc045976056de2c.pdf