Predicting Rate of Penetration (ROP) for Horizontal Wells in Unconventional Reservoirs Using Artificial Intelligence. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (Predicting Rate of Penetration (ROP) for Horizontal Wells in Unconventional Reservoirs Using Artificial Intelligence) PETE-610 Thesis - Final Version.pdf - Published Version Restricted to Repository staff only until 30 April 2025. Download (24MB)

Arabic Abstract

يعتبر تقدير معدل الاختراق من أهم المهام لتقييم كفاءة وربحية عملية الحفر، والتي تهدف إلى اتخاذ القرارات المتعلقة بتخطيط الآبار، وتقدير الوقت والتكلفة، واختيار أدوات الحفر المناسبة، والمشاكل التشغيلية المتوقعة والخدمات اللوجستية في عملية الحفر. بالإضافة إلى ذلك، فقد زاد انتشار وتطوير الموارد غير التقليدية بشكل كبير في العقود الماضية بسبب الكمية الكبيرة من النفط الخام والغاز الطبيعي التي توفرها، مما يسلط الضوء على أهمية صناعة الموارد غير التقليدية في المستقبل وكيف يؤثر نمو الإنتاج من هذه الموارد على العالم. تناولت هذه الرسالة دراسة تأثير عوامل الحفر المتحكم فيها وغير المتحكم فيها على التنبؤ سرعة الحفر باستخدام بيانات حفر مستوحاة من أبار حقيقية، وناقش هذا البحث النماذج الفيزيائية المستخدمة لتطوير سرعة الحفر وأبحاث الذكاء الاصطناعي التي تم إجراؤها مسبقًا في هذا المجال. تركز المعطيات والمعلومات المدخلة بشكل أساسي على بيانات الحفر الميكانيكية وخصائص السوائل المستخدمة في عملية الحفر. وقد تم العمل على تكرار عمليات المحاكاة لتوليد نتائج أكثر دقة وموثوقية مع معدل خطأ صغير جدًا. أكدت النتائج قوة أدوات الذكاء الاصطناعي في تنبؤ سرعة الحفر في أبار الحقول غير التقليدية التي تأخذ في الاعتبار بيانات الحفر الميكانيكية و بيانات سوائل الحفر فقط، بينما هناك نماذج أخرى تأخذ في الاعتبار كلاً من بيانات الحفر الميكانيكية وخصائص سوائل الحفر وخصائص طبقات الأرض والمكامن، بناءً على البيانات المتوفرة من الابار الموجودة.

English Abstract

Estimating the rate of penetration one of most critical tasks for evaluating the efficiency and profitability of drilling operation, which will aim in decision making related to well planning, time estimation, cost estimation, bit selection, operational troubles and logistics in drilling operation. In addition, the development of unconventional resources was significantly increased in past decades due to the high amount of crude oil and natural gas it provides which highlight the importance of unconventional resources market in future and how the growth of producing from these resources affect the worlds. This research studied the effect of controlled and uncontrolled drilling parameters on ROP prediction, discussed ROP physical models and artificial intelligence work done previously on ROP estimation using different input parameters and generate results. The input parameters focus mainly on surface mechanical drilling parameters and mud properties. The results were presented in terms correlation coefficient, coefficient of determination, root mean square error and mean absolute error. The initial results confirmed the robust of ML models to predict the ROP for unconventional fields consider only drilling parameters, other models considers both drilling parameters and mud properties, while there are models considers formation characteristics in addition to drilling parameters and mud properties based on the available data.

Item Type:	Thesis (Masters)
Subjects:	Petroleum Petroleum > Drilling Engineering
Department:	College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor:	Elkatatny, Salaheldin
Committee Members:	Abdulraheem, Abdulazeez and Mahmoud, Ahmed
Depositing User:	HASSAN ALMOMEN (g201327870)
Date Deposited:	15 May 2024 06:12
Last Modified:	15 May 2024 06:12
URI:	http://eprints.kfupm.edu.sa/id/eprint/142848