تخمین گرادیان فشار شکست سازند با الگوریتم ژنتیک

محققین دانشگاه آزاد اسلامی با استفاده از روش تحلیلی الگوریتم ژنتیک موفق به یافتن فرمولی تازه برای پیشبینی گرادیان فشار شکست سازند شدند.

به گزارش خبرنگار دانش و فناوری «انرژی امروز»، تعیین گرادیان شکست سازند یکی از مهمترین پارامترها در صنعت حفاری است. آگاهی از آن برای ایمنی چاه ها حیاتی است. تخمین صحیح گرادیان شکست در طراحی چاه، وزن گل، انتخاب عمق جایگذاری لوله جداری و عملیات سیمانکاری ضروری است.

تخمین نادرست گرادیان شکست نیز ممکن است کل عملیات حفاری را به خطر اندازد و باعث مشکلات جدی در چاه شود. محاسبه مقادیر درست گرادیان شکست نقش بسیار مهمی در انتخاب لوله جداری، جلوگیری از هرزروی سیال حفاری و برنامه ریزی شکاف هیدرولیکی به منظور افزایش بهره وری در بخش های مختلف چاه دارد. بدین منظور محققین دانشگاه آزاد از یک روش جدید جهت پیش بینی گرادیان شکست سازند با استفاده از الگوریتم ژنتیک و روش برنامه ریزی با بیان ژن استفاده کردند. به کمک این روش رابط های بین متغیرهای مستقل یعنی گرادیان فشار منفذی، گرادیان فشار روباره و ضریب پواسون با متغیر وابسته گرادیان شکست سازند برای هر چاه ارائه شده است.

الگوریتم ژنتیک روش جستجو در علم رایانه برای یافتن راه حل تقریبی در بهینه سازی و تخمین مسائل پیچیده است که این الگوریتم تکاملی در حل مسئله از عملگرهای ژنتیکی مانند وراثت و جهش استفاده می کند. در واقع الگوریتم ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی استفاده می کند و بطور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخشه ای آن به صورت فرآیندهای تصادفی انتخاب می شوند.

 این الگوریتم از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود دارای ورودی هایی می باشد که طی یک فرآیند الگوبرداری شده از تکامل ژنتیکی به راه حل ها تبدیل می شود. سپس راه حل ها توسط تابع برازش مورد ارزیابی قرار می گیرند و چنانچه شرط خروج مسئله فراهم شده باشد، الگوریتم خاتمه می یابد. در الگوریتم های ژنتیک ابتدا به طور تصادفی چندین جواب برای مسئله تولید شده، این مجموعه جواب، جمعیت اولیه و هر جواب یک کروموزوم نامیده می شود. سپس با استفاده از عملگرهای الگوریتم ژنتیک و پس از انتخاب، کروموزوم  های بهتر با هم ترکیب شده و جهشی در آن ها ایجاد کرده و در نهایت جمعیت فعلی را با جمعیت جدید ترکیب می نماید.

کاندیدا فریرا یک الگوریتم جدید براساس الگوریتم های ژنتیک و برنامه نویسی ژنتیک پیشنهاد کرد که برنامه ریزی با بیان ژن نام دارد. این الگوریتم تکاملی جدید برای غلبه بر بسیاری از محدودیت های الگوریتم ژنتیک و برنامه نویسی ژنتیک ایجاد شده است. در این پژوهش، روش برنامه ریزی با بیان ژن توسط نرم افزار جین اکس پرو تولز انجام می شود. کار این نرم افزار پیدا کردن یک مدل ریاضی از روی متغیرهای مستقل با استفاده از برنامه ریزی ژنتیک است.

برای اجرای این تحقیق، محققین با استفاده از اطلاعات پتروفیزیکی و گزارش های حفاری برای دو حلقه در یک میدان اکتشافی در ایران  که به صورت جهت دار حفاری شده اند را جمع آوری کردند. در ادامه و براساس لیتولوژی و تفکیک سازندها در چاه A و برای ایجاد مدل ریاضی گرادیان شکست طبق داده های موجود مورد بررسی قرار می گیرد. که بر این اساس، محدوده عمق مطالعات تحقیق روی دو دسته کلی سازندهای کنگان و سازند دالان انجام شده است. پارامترهای موثر ورودی شامل، گرادیان فشار منفذی، گرادیان فشار روباره، ضریب پواسون و گرادیان فشار شکست است که این پارامترها با توجه به فرمول های تجربی برای هر یک از سازندها به طور جداگانه محاسبه می شود. در ادامه داده های بدست آمده به نرم افزار داده می شود تا معدلات مربوطه بدست آید.

برای اعتبارسنجی روش، داده های واقعی گرادیان شکست محاسبه شده از چاه B در مدل ریاضی حاصل از چاه   A  برای دو سازن کنگان و دالان جایگذاری شده است. همپوشانی خطوط در دوچاه نشان می دهد که پیش بینی های این روش نسبت به مقادیر واقعی تطابق خوبی دارند.