فصل دوم: بر تحقیقات گذشته
2-1- مقدمه ………………………………………………………………………………………………… 7
2-2- مقاومت فشاری تک محوره سنگ سازند ………………………………………………….. 7
2-2-1- روش‌های محاسبه UCS ……………………………………………………………………. 
2-2-1-1- تست آزمایشگاهی …………………………………………………………………………. 7
2-2-1-2- روابط تجربی ………………………………………………………………………………. 9
2-2-1-3- شبکه عصبی مصنوعی ………………………………………………………………….. 12
2-3- انتخاب مته مناسب و بهبود نرخ نفوذ حفاری ………………………………………….. 12
2-3-1- روش‌های حل مسئله ………………………………………………………………………… 12
2-3-1-1- روش هزینه به ازای حفاری ………………………………………………………………. 14
2-3-1-2- مدل انرژی مخصوص ……………………………………………………………………. 14
2-3-1-3- مدل بورگین- یانگ ……………………………………………………………………………. 15
2-3-1-4- هوش مصنوعی …………………………………………………………………………… 15
2-4- هرزروی سیال حفاری …………………………………………………………………………….. 17
2-4-1- روش حل مسئله ………………………………………………………………………………. 17
2-4-1-1- استفاده از مواد هرزگیر ………………………………………………………………………. 17
2-4-1-2- دوغاب‌های ترکیبی …………………………………………………………………………. 17
2-4-1-3- حفاری زیر تعادلی ……………………………………………………………………….. 18
2-4-1-4- استفاده از لوله جداری ……………………………………………………………………. 18
2-5- گیر لوله حفاری ………………………………………………………………………………….. 19
2-5-1- روش‌های حل مسئله ……………………………………………………………………… 19
2-5-1-1- مدل کینگزبرو و همپ کینگ ……………………………………………………………. 19
2-5-1-2- مدل بیگلر و کان ……………………………………………………………….. 19
2-5-1-3- مدل گلاور و هاوارد ……………………………………………………………. 20
2-5-1-4- روش هوش مصنوعی ……………………………………………………………….. 20
2-6- چرایی استفاده از روش‌های هوشمند …………………………………………… 21
فصل سوم: بر روش‌های یادگیری ماشینی و الگوریتم‌های بهینه‌سازی
3-1- مقدمه ………………………………………………………………………………….. 23
3-2- مفهوم شبکه …………………………………………………………………………… 24
3-3- شبكه عصبی مصنوعی ………………………………………………………… 24
3-3-1- مدل یک نرون تک ورودی ……………………………………………………….. 26
3-3-2- تابع انتقال ………………………………………………………………………. 28
3-4- انواع شبکه های عصبی …………………………………………………………… 28
3-4-1- شبکه عصبی پرسپترون چندلایه ……………………………………………… 28
3-4-2- شبکه عصبی پیمانه ای ………………………………………………………. 30
3-4-3- ماشین بردار پشتیبان ……………………………………………………………. 32
3-5- الگوریتم‌های بهینه‌سازی ……………………………………………………………. 34
3-5-1- الگوریتم ژنتیک …………………………………………………………………. 34
3-5-2- الگوریتم بهینه‌سازی ازدحام ذرات …………………………………………….. 39
3-5-3- الگوریتم ترکیبی ژنتیک و ازدحام ذرات ……………………………………… 41
فصل چهارم: آماده‌سازی اطلاعات جهت مدل‌سازی و آنالیز
4-1- مقدمه ……………………………………………………………………………… 44
4-2- مطالعه میادین مورد بررسی …………………………………………………… 44
4-2-1- میدان نفتی اهواز ………………………………………………………………… 44
4-2-2- میدان نفتی مارون ……………………………………………………………. 46
4-3- آماده‌سازی داده‌ها جهت استفاده در مدل‌سازی ………………………………. 50
4-3-1 جمع‌ آوری داده‌ها ……………………………………………………………….. 50
4-3-1-1- مقاومت فشاری تک محوره سنگ سازند ……………………………….. 50
4-3-1-2- انتخاب مته حفاری و بهبود نرخ نفوذ …………………………………. 51
4-3-1-3- هرزروی سیال حفاری …………………………………………………………. 52
4-3-1-4- گیر لوله حفاری ……………………………………………………………. 54
4-3-2- پیش‌پردازش داده‌ها ………………………………………………………….. 55
4-3-2-1- آنالیز داده‌ها و تأیید صحت و دقت آن‌ ها …………………………. 55
4-3-2-2- همسان‌سازی داده‌ها ………………………………………………………… 56
4-3-3- تقسیم بندی داده‌ها ………………………………………………………. 57
4-4- مدل کردن ………………………………………………………………………… 58
4-5- معیارهای عملكرد مدل ……………………………………………………….. 58
فصل پنجم: آنالیز و تحلیل اطلاعات
5-1- مقدمه …………………………………………………………………………….. 60
5-2- مقاومت فشاری تک محوره سنگ سازند ……………………………………… 60
5-2-1- روش کار ……………………………………………………………………… 60
5-2-1-1- پیش‌بینی UCS توسط MLP ………………………………………………. 
5-2-1-2- پیش‌بینی UCS توسط MLP&GA ……………………………………….
5-3- انتخاب مته حفاری و بهبود نرخ نفوذ …………………………………….. 66
5-3-1- روش کار ………………………………………………………………………….. 67
5-3-1-1- پیش‌بینی مته حفاری ………………………………………………….. 67
5-3-1-2- پیش‌بینی نرخ نفوذ حفاری ……………………………………………… 68
5-3-1-3- بهینه‌سازی نرخ نفوذ …………………………………………………… 69
5-3-2- بحث روی نتایج ………………………………………………………………. 72
5-3-2-1- مته حفاری ……………………………………………………………….. 72
5-3-2-2- نرخ نفوذ و دبی جریان گل ………………………………………………… 72
5-3-2-3- فشار پمپ گل و سطح مقطع جریان ………………………………… 74
5-3-2-4- وزن روی مته و سرعت دوران رشته حفاری ……………………… 75
5-3-2-5- گرانروی گل ………………………………………………………………….. 76
5-4- هرزروی سیال حفاری ……………………………………………………….. 76
5-4-1- روش کار …………………………………………………………………………. 77
5-4-1-1- پیش‌بینی کمی هرزروی سیال حفاری …………………………………. 78
5-4-1-2- پیش‌بینی کیفی هرزروی سیال حفاری …………………………….. 79
5-4-1-3- کاهش میزان هرزروی سیال حفاری …………………………………… 82
5-5- گیر لوله حفاری ………………………………………………………………. 85
5-5-1- روش کار ………………………………………………………………………… 85
5-5-1-1- پیش‌بینی گیر مکانیکی و اختلاف فشاری ………………………… 85
5-5-1-2- پیش‌بینی گیر اختلاف فشاری ……………………………………….. 87
5-5-1-3- کاهش احتمال گیر لوله حفاری ………………………………………….. 88
فصل ششم: نتایج و پیشنهادها
6-1- نتایج …………………………………………………………………………….. 92
6-2- پیشنهادها ………………………………………………………………………… 94
منابع ………………………………………………………………………………………. 95
پیوست …………………………………………………………………………….. 102

چکیده:
در عملیات حفاری، با انتخاب درست 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. مقاومت فشاری تک محوره سنگ سازند، یکی از ویژگی‌های اصلی سنگ به شمار می‌آید که نقش به‌سزایی در انتخاب مته حفاری دارد. در صورت پیش‌بینی صحیح این ویژگی می‌توان مته مناسب برای حفاری سنگ مورد نظر را انتخاب کرد. از طرفی مته حفاری خود یکی از ابزارهای اصلی در عملیات حفاری به شمار می‌رود که تأثیر مستقیم بر نرخ نفوذ حفاری دارد. نرخ نفوذ مناسب زمان و هزینه‌های عملیات حفاری را کاهش می‌دهد. در عملیات حفاری گاهی اوقات با مشکلاتی مواجه می‌شویم که باعث کند شدن حفاری و افزایش هزینه‌ها می‌شود. از جمله این مشکلات می‌توان به هرزروی گل و گیر رشته حفاری اشاره کرد. در صورتی که بتوان این مشکلات را به درستی پیش‌بینی کرد می‌توان از توقف حفاری جلوگیری و خطرات ناشی از آن را نیز رفع کرد. لذا اطلاع دقیق از موارد مذکور حیاتی است. تحلیل اطلاعات میدانى، عنصر اصلى كاهش هزینه و بهبود عملیات حفارى و توسعه ابزارهاى تحلیل اطلاعات میدان، یكى از راه‌هاى توسعه و بهبود عملیات حفارى به شمار می‌رود. در صنعت حفاری برای شناسایی مشکل و یا بهبود عملیات عموماً از تست‌های آزمایشگاهی و فرمول‌های تجربی استفاده می‌شود؛ یا برای رفع مشکل از تجربیات گذشته استفاده می‌شود. در این پروژه سعی شده، از مدل‌سازی هوشمند برای پیش‌بینی، عیب‌یابی، رفع عیب و بهبود پارامترهای عملیات حفاری استفاده کنیم. هوش مصنوعی حوزه‌ای ترکیبی از علوم کامپیوتر و آمار است. در حالت عمومی این روش‌ زمانی ارزش خود را نشان می‌دهد که روی مجموعه‌ی بزرگی از داده‌ها پیاده‌سازی شده و الگوها و قوانین موجود در آن‌ ها را نمایان سازد. این پروژه در چهار بخش با بهره گرفتن از داده‌های ثبت روزانه دکل حفاری و عملیات نمودارگیری و به کمک شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی انجام ‌شد. نتایج حاصله در موضوعات مورد بحث همگی گویای دقت و کارایی بالای استفاده از روش‌های هوشمند است.
فصل اول: مقدمه
1-1- اهمیت و بیان مسئله
1-1-1- مقاومت فشاری تک محوره سنگ سازند
دانش معقول از خواص فیزیکی و مکانیکی سنگ و انتخاب مناسب پارامترهای عملیات حفاری کمک زیادی در کاهش هزینه‌های حفاری و تولید از مخزن نفت[2] می‌کند. بنا به تعریف، مقاومت فشاری تک محوره[3]، مقدار تنش فشاری تک محوره است، هنگامی که المان مورد نظر کاملاً گسیخته می‌شود. UCS در واقع سطح استرسی که باعث شکست سنگ می‌شود است، زمانی که آن را تحت تنش تک محوره قرار می‌دهیم. مقاومت فشاری تک محوره سنگ سازند، پارامتر مکانیکی مهم سنگ می‌باشد که نقش حیاتی در حفاری چاه‌های نفت و گاز دارد. عملیات حفاری تعامل بین سنگ و مته حفاری[4] می‌باشد زمانی که استرس حاصل بزرگ‌تر از مقاومت سنگ شود، سنگ دچار شکست می‌شود.
از آنجایی که مقدار مقاومت فشاری تک محوره توسط پارامترهای بسیاری از قبیل چگالی و تخلخل[5] تحت تأثیر است، به کمک آن می‌توان خواص مکانیکی سنگ را نشان داد. از این رو می‌توان آن را در محاسبات انتخاب مته، تخمین زمان بهینه برای بیرون کشیدن مته، تجزیه و تحلیل پایداری چاه (انتخاب محدوده مناسب برای وزن گل)، تولید شن و ماسه و تعیین میدان تنش درجا مؤثر، طراحی روش‌های ازدیاد برداشت و مطالعات نشست مخزن در نظر گرفت. که انتخاب درست این موارد باعث بهبود و بهینه‌سازی عملیات حفاری و تولید می‌گردد [1].
1-1-2- مته حفاری و نرخ نفوذ
در عملیات حفاری، نرخ نفوذ[6]، یکی از عوامل اصلى بهینه‌سازی است. نرخ نفوذ مته از رابطه‌ای بر اساس متراژ حفاری بر حسب زمان حاصل می‌گردد؛ و به عواملی از قبیل نوع مته، خصوصیات سازند[7]، وزن روی مته[8]، سرعت چرخش رشته حفاری[9]، خصوصیات گل و غیره بستگی دارد. پایین بودن نرخ نفوذ حفاری باعث از دست دادن زمان دکل و افزایش هزینه‌های حفاری می‌شود. در بعضی موارد افزایش غیر اصولی نرخ نفوذ می‌تواند باعث شکسته شدن سنگ مخزن و در نهایت هرزروی گل حفاری و همچنین گیر رشته حفاری و در نهایت از دست دادن چاه گردد. پس می‌توان گفت بهینه‌سازی نرخ نفوذ کمک زیادی در پیشبرد و کاهش زمان عملیات حفاری می‌کند. پیش‌بینی سرعت حفاری از آن جهت که موجب انتخاب بهینه پارامترها و کاهش هزینه‌های حفاری می‌گردد، همیشه اهمیت قابل توجهی برای مهندسین حفاری داشته است.
از میان پارامترهای موثر بر نرخ نفوذ، مته حفاری نقش تأثیرگذارتری نسبت به سایر پارامترها دارد. به گونه‌ای که بهینه‌سازی عملیات حفاری بدون در نظر گرفتن نقش مته تقریباً غیر ممکن است. مته‌ی حفاری به پایین‌ترین بخش رشته حفاری گفته می‌شود که عامل انتقال انرژی دریافتی از لوله‌های حفاری به سنگ می‌باشد و از این طریق موجب نفوذ در سازند می‌گردد. اگر مته درست انتخاب و مورد استفاده قرار بگیرد، مطمئناً در بهبود نرخ نفوذ و كاهش هزینه چاه مؤثر خواهد بود. با وجود این که قیمت مته، تنها 2 تا 3 درصد هزینه تکمیل یک چاه را در بر می‌گیرد، اما بر 75 درصد هزینه‌های کلی حفاری، که شامل 45 درصد هزینه تکمیل یک چاه است، تأثیرگذار می‌باشد [2].
نوع مته‌ای که برای عملیات حفاری انتخاب می‌شود در درجه اول به نوع سنگی بستگی دارد که باید حفاری گردد. علاوه بر شاخص ذکر شده عامل اقتصادی نیز باید مورد توجه قرار گیرد. به طور کلی شیل‌های نرم، سنگ‌های جوان رسوبی توسط سیستم‌های حفاری که مجهز به مته‌های تیغه‌ای باشند بازدهی مناسب‌تری دارند و هر چه تیغه‌های مته بلندتر باشد برای سازندهای نرم‌تر مناسب هستند. مته‌هایی که دندان‌گونه دارند مناسب‌ترین مته برای شیل‌های سخت، ماسه سنگ و آهک هستند و به دلیل سختی الماس نسبت به کانی‌ها و سنگ‌های معمولی از نظر اقتصادی از آن برای شرایط بسیار سخت استفاده می‌شود.
1-1-3- هرزروی سیال حفاری
در حفاری چاه‌های نفت و گاز، به هدر رفتن سیال حفاری در سازندهای تراوا هرزروی گفته می‌شود. هرزروی سیال حفاری یكی از مشهودترین مشكلات حفاری می‌باشد كه هزینه‌ی زیادی را به شركت‌های نفتی تحمیل می‌كند. این پدیده از زمان شروع حفاری شروع شده و تا هنگام جداره‌گذاری ادامه می‌یابد. ممكن است هرزروی از مقادیر كم تا بسیار شدید اتفاق بیفتد. هرزروی محدود به نواحی حفاری خاص نمی‌باشد بلكه در هر عمقی كه فشار ستون گل حفاری از فشار شكست سازند بیشتر باشد، لایه شكسته و هرزروی رخ می‌دهد همچنین سیال حفاری در سازندهای با نفوذپذیری بالا و یا شكستگی‌های طبیعی كه از قبل در سازند وجود داشته، هدر می‌رود. بر اساس استانداردهای گل حفاری، سازند باید حداقل دارای نفوذپذیری 10 تا 25 میلی‌دارسی باشد تا هرزروی گل ایجاد گردد [3]. هرزروی سیال حفاری ممكن است به علل متفاوتی از جمله وجود سازندهای با تراوایی بالا، فیلتر شدن سیال حفاری، نفوذ سیال داخل ماتریكس سنگ و یا ایجاد و گسترش شكاف در داخل سنگ ایجاد شود كه مورد آخر از عمده‌ترین دلایل هرزروی كامل سیال حفاری به شمار می‌رود و بیش از 90 درصد هزینه‌های صرف شده برای درمان هرزروی به این مورد اختصاص دارد [4]. شرکت‌های نفتی سالانه میلیون‌ها دلار صرف برطرف كردن مشكل هرزروی و مشكلات ناشی از آن، از جمله از دست رفتن زمان دكل، گیر لوله‌ها، فوران چاه، از دست رفتن حجم زیادی از سیال حفاری و آسیب به سازند می‌شود [5].
پارامترهای زیادی شدت هرزروی سیال حفاری را تحت تأثیر قرار می‌دهند از جمله: فشار گل، فشار شكست سازند، خصوصیات سیال حفاری، لیتولوژی سازند، وجود درزه‌ها و غارها در سازند، پارامترهای حفاری مثل فشار و دبی پمپ و پارامترهای شناخته شده و شناخته نشده بسیار زیاد دیگری كه پیش‌بینی مقدار هرزروی سیال هنگام حفاری چاه در یک سازند خاص را بسیار مشكل می‌كنند. به علاوه، هزینه‌های هنگفتی كه باید صرف درمان هرزروی گل (ساختن گل جدید و اضافه كردن مواد جلوگیری كننده از هرزروی) و مشكلات جانبی آن (گیر احتمالی رشته حفاری و از دست رفتن زمان حفاری) شود همواره مهندسین حفاری را به تحقیق و پژوهش در این راه و یافتن راهكاری برای مقابله با این مشكل ترغیب كرده است.
1-1-4- گیر رشته حفاری
گیر لوله‌، تعلیق روند برنامه‌ریزی شده چاه است، زمانی که نیروهای درون‌چاهی مانع بیرون کشیدن رشته حفاری یا ابزار آلاتی که به منظور انجام عملیات مشخص در مدت زمان محدود و معینی درون چاه رانده شده‌اند، گفته می‌شود. گیر لوله‌های حفاری یکی از بزرگ‌ترین و پرهزینه‌ترین مشکلات در حفاری چاه‌های نفت و گاز محسوب می‌شود. بطوریکه چنانچه عملیات آزادسازی رشته حفاری موفقیت‌آمیز نباشد با پسگرد رشته حفاری از محل گیر لوله‌ها، علاوه بر از دست دادن مقداری از رشته حفاری، عملیات کج کردن چاه و حفاری مجدد آن در دستور کار قرار می‌گیرد که می‌تواند هزینه‌های سنگینی را در سرجمع هزینه‌های تکمیل چاه تحمیل نماید.
تلاش برای حداقل‌سازی خطر گیر لوله حفاری، امروزه یكی از اولویت‌ها و اهداف اصلی می‌باشد. عوامل بسیار زیادی در گیر رشته حفاری تأثیرگذار هستند. در حال حاضر مهندسین حفاری فقط از روش‌های قدیمی و تجربی قادرند تا حدودی شرایط گیر رشته حفاری را تشخیص داده و آن‌ ها را رفع كنند، اما به کمک این روش‌ها نمی‌توان به خوبی رفتار غیرخطی گیر را پیش‌بینی نمود.
گیر رشته حفاری را معمولاً به دو دسته گیرهای مكانیكی و گیرهای اختلاف فشاری تقسیم می‌كنند. در گیر لوله‌ها به صورت دیفرانسیلی چرخش لوله و حركت آن به سمت بالا و پایین امکان‌پذیر نیست، اما هنوز گردش گل حفاری انجام می‌گیرد، این امر با گیر لوله‌ها به صورت مكانیكی در تناقض است [6].
پس از گیر افتادن رشته حفاری، لازم است كه به سرعت هر گونه تلاشی برای آزاد سازی آن صورت گیرد. از جمله روش‌های مرسوم و شناخته شده آزادسازی رشته‌های حفاری، روش افزایش كشش رو به بالا و افزایش وزن رو به پایین می‌باشند كه تا حدودی وقت‌گیر و هزینه‌بر هستند. ولی در بیشتر مواقع منجر به آزادسازی رشته حفاری از چاه می‌شوند. مشكل گیر رشته حفاری زمانی اهمیت بیشتری پیدا می‌كند كه به دلایلی نتوان رشته حفاری را از چاه بیرون آورد. در این صورت تنها راه، بریدن رشته حفاری در چاه و انجام عملیات مانده‌یابی و در بدترین حالت، مسدود کردن قسمت گیر و حفاری چاه انحرافی براى انجام ادامه عملیات حفاری می‌باشد. این امر باعث تغییر برنامه حفارى، افزایش زمان و هزینه خواهد شد. در عملیات دریایی، گیر لوله‌ها به تنهایی می‌تواند هزینه توسعه یک چاه را به اندازه 30 درصد افزایش دهد. بنابراین باید برای پیشگیری از این مشكل و كاهش هزینه‌های حفاری به دنبال راه‌حلی اساسی بود [6].
پارامترهای بسیاری بر یک عملیات حفاری تأثیر می‌گذارند، که در صورت آشنایی کافی و انتخاب درست آن‌ ها، بهبود و کاهش زمان حفاری را باعث شد. از این میان می‌توان به پارامترهای نرخ نفوذ و مته حفاری، مقاومت فشاری تک محوره سنگ سازند، هرزروی سیال حفاری و گیر رشته حفاری اشاره کرد. در این پایان‌نامه سعی بر این است، به کمک روش هوش مصنوعی از جمله شبکه‌های عصبی مصنوعی و الگوریتم‌های بهینه‌سازی مشکلات بیان شده را رفع و عملیات حفاری را بهبود بخشید. از داده‌های ثبت روزانه دکل حفاری و عملیات نمودارگیری برای ساخت شبکه مصنوعی استفاده شد. الگوریتم‌های بهینه‌سازی در دو بخش بهبود عملکرد شبکه عصبی و بهینه‌سازی پارامترهای موثر بر مسئله مورد نظر استفاده شدند.
این پایان‌نامه شامل شش فصل می‌باشد. فصل اول مقدمه و بیان مسئله را شامل می‌باشد. در این فصل اهمیت و چرایی بررسی این موارد بیان شد. فصل دوم، بر تحقیقات گذشته را شرح داده‌ است. در این فصل ابتدا روش‌های حل معمول شرح داده شد و سپس چندین مورد از تحقیقاتی که در این رابطه ارائه شده بود را برای هر بخش بررسی کردیم، و پس از آن مدل ارائه شده خود را بیان و برتری آن نسبت به روش‌های معمول بیان کردیم. در پایان این فصل علت استفاده از روش‌های هوش مصنوعی و برتری این روش نسبت به روش‌های گذشته شرح داده شد. فصل سوم شامل توضیح و بررسی شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی می‌باشد. در این فصل انواع شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی استفاده شده برای مدل‌سازی شرح داده شد. در فصل چهارم نحوه آماده‌سازی داده‌ها برای مدل‌سازی و آنالیز بیان شد. در این فصل ابتدا آشنایی مختصری با میادین نفتی که اطلاعات از آنجا جمع آوری شده خواهیم داشت، سپس مراحل آماده‌سازی داده‌ها و پارامترهای مورد استفاده در هر بخش توضیح داده شد و در نهایت معیارهای بررسی عملکرد یک مدل هوش مصنوعی بیان ‌شد. فصل پنجم شامل آنالیز و تحلیل اطلاعات می‌باشد. در این فصل روش کار و مدل‌های ارائه شده در هر بخش مورد بررسی قرار گرفته و نتایج هر بخش بیان شد. فصل ششم نیز شامل نتایج و پیشنهادها می‌باشد.  
[1] Drilling Operation