عنوان پایان‌نامه

تخمین پارامتر های مدل ژئومکانیک پایداری دیواره چاه با استفاده از داده های حین حفاری به کمک روش شبکه های عصبی



    دانشجو در تاریخ ۰۵ آبان ۱۳۹۲ ، به راهنمایی ، پایان نامه با عنوان "تخمین پارامتر های مدل ژئومکانیک پایداری دیواره چاه با استفاده از داده های حین حفاری به کمک روش شبکه های عصبی" را دفاع نموده است.


    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 147;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59802;کتابخانه پردیس یک فنی شماره ثبت: 1338.
    تاریخ دفاع
    ۰۵ آبان ۱۳۹۲
    دانشجو
    یونس پشمکی
    استاد راهنما
    محمدعلی ریاحی, علی نخعی

    یکی‌ از مهم‌ترین چالش‌های حین حفاری چاه، پایدار نگاه‌داشتن آن می‌‌باشد. ناپایداری چاه ممکن است در هر مرحله از طول عمر چاه رخ دهد؛ در زمان حفاری، تکمیل و یا زمان تولید و بهره‌برداری از چاه. مشکل پایداری در طول حفاری به طور ذاتی در تمام نقاط جهان حتی در چاه‌های عمودی نیز وجود دارد و سبب می‌‌شود که هزینه‌های حفاری به صورت قابل‌توجهی‌ افزایش یابد و همچنین باعث طولانی‌ تر شدن زمان حفاری و در برخی‌ موارد خاص نیز باعث از دست رفتن بخشی و یا کل چاه می‌‌شود. به طور کلی‌ عوامل ناپایداری دیواره چاه به دو دسته تقسیم می‌‌شوند: عوامل مکانیکی و عوامل شیمیایی، ولی‌ آنچه در واقعیت رخ می‌‌دهد ترکیبی‌ از هردو می‌باشد. از جمله این عوامل می‌توان به تنش‌های موجود در ناحیه و چگونگی توزیع آن‌ها، خواص مقاومتی و شیمیایی سنگ ها، فشار منفذی (فشار سیال سازند)، وزن سیال حفاری، خواص شیمیایی سیال حفاری، اختلاف دمای سیال سازند و گل‌ حفاری، شیب و آزیموت چاه و ... اشاره کرد که بسیاری از آن‌ها خارج از کنترل ما می‌‌باشند و تنها وزن و خصوصیات گل حفاری و مسیر چاه است که قابل ‌تغییر می‌‌باشند و با کنترل این پارامتر‌ها می‌‌توان چاهی حفر کرد که دارای پایداری بیشینه باشد. در این تحقیق پایداری دیواره چاه یکی‌ از میدان‌ها جنوب ایران مورد مطالعه قرارگرفته است. در این مطالعه ابتدا پارامتر‌های لازم برای ساخت مدل ژئومکانیک ناحیه با استفاده از داده‌های چاه پیمایی و حین حفاری محاسبه شده است. سپس با استفاده از مدل‌های شکست مختلف این مدل مورد ارزیابی قرار گرفته است و با حل معادلات مربوط به هر یک از مدل‌ها به کمک برنامه کامپیوتری برای شیب و آزیموت‌های مختلف بازه ایمن وزن گل و همچنین مسیر ایمن برای حفاری پیش‌بینی‌ شده است. برای جبران برخی‌ کاستی‌ها در دسترسی‌ به داده‌ها از شبکه‌های عصبی مصنوعی برای تخمین و پیش‌بینی‌ پارامترها استفاده شده است. کلمات کلیدی: پایداری دیواره چاه، تنش‌های برجا و القائی، معیار‌های شکست، پنجره ایمن وزن گل.
    Abstract
    Stabilizing of a wellbore is one of the most challenging task during drilling because an unstable wellbore needs additional, expensive, and time-consuming operations. Wellbore instability can be encountered at any stage in the life of a well, including drilling, completion and stimulation, flow tests, production, and depletion. Wellbore instability is one of the main causes of drilling difficulties, resulting in substantial expenditures, expensive loss of time, sometimes even in the loss of part of or even the whole borehole. There are two main types of wellbore instability, namely chemically induced instability and mechanically induced instability. In many instances occurrences of instability may be due to a combination of both. The most important ones are far field principal stresses and their distribution, mechanical and chemical properties of rocks, pore pressure, mud weight, chemical properties of drilling fluid, temperature difference between drilling and formation fluid, well inclination and azimuth and etc. Most of these are uncontrollable but mud weight and its properties and well trajectory are parameters that we can control them to drilling a wellbore with maximum stability. In this study, stability of wellbore in one of the Persian Gulf South Pars gas field is studied. First of all magnitude of the necessary parameters to built a geo-mechanical model was calculated from drilling and logging data and then a Mechanical Earth Model (MEM) was developed to whole the area. At next, by using various failure criteria, we evaluated this Geo-mechanical model by solving the equations of each failure model for all possible inclinations and azimuths by using a program that written with ourselves to estimating the safety mud window and optimum well trajectory. To have a better evaluation and obviation of some shortcomings in data we use Artificial Neural Network (ANN) to estimate the necessary parameters. Keywords: Wellbore Stability, In-Situ and Induced Stresses, Failure Criteria, Safe Mud Weight Window.