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 آن‌ها 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[1] کمک زیادی در کاهش هزینه‌های حفاری و تولید از مخزن نفت[2] می‌کند. 

این مطلب را هم بخوانید :

پایان نامه : آسیب پذیری در مقابل استرس:        

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].