چکیده: امروزه یکی از مشکلات و معضلات اصلی در صنعت حفاری ناپایداری چاه نفت است که باعث افزایش هزینه‌های مرتبط با حفاری، بهره‌برداری و مشکلات عملیات تعمیراتی و همچنین آسیب احتمالی به سازندهای بهره‌ده و مخازن حاوی نفت گاز می شود. یکی از اصلی‌ترین عوامل تأثیرگذار در حفظ و کنترل پایداری دیواره چاه نفت، تعیین پنجره ایمنی گل حفاری است که اولین قدم در طراحی چاه، طراحی وزن گل حفاری است که تفاوت بین پیروزی و شکست عملیات حفاری به برنامه وزن گل حفاری وابسته است که با تعیین درست و دقیق پنجره ایمن گل حفاری قابل‌کنترل است. متغیرهای ورودی به سیستم، داده‌های متعلق به سه چاه در یکی از میادین جنوب غرب ایران هستند اشعه گامای طیفی اصلاح نشده (SGR)، پتاسیم (POTA)، توریم (THOR)، اورانیوم (URAN)، ضریب جذب فوتوالکتریک (PEF)، تخلخل نوترونی (NPHI)، چگالی سنگ (RHOB)، اشعه گامای تصحیح شده (CGR)، سرعت موج‌برشی (Vs) و سرعت موج فشاری (Vp) نمودارهای چاه‌پیمایی هستند که در این پژوهش استفاده شده‌اند. برای ارزیابی از چهار الگوریتم جنگل تصادفی، الگوریتم رگرسیون بردار پشتیبان، الگوریتم شبکه عصبی مصنوعی و الگوریتم درخت تصمیم استفاده شد. نتایج نشان داد که الگوریتم جنگل تصادفی بالاترین دقت در جهت تعیین پنجره ایمن گل حفاری را بین چهار مدل ارزیابی شده داشت. در ارزیابی الگوریتم جنگل تصادفی دقت پیش‌بینی فشار منفذی مقدار psi 76/12RMSE= وpsi 9948/0R2= و دقت پیش‌بینی فشار شکست مقدار psi 71/15RMSE=، psi9967/0 R2= به‌دست‌آمده ازطرفی این مدل نشان می‌دهد که پس از آموزش با داده‌های چند چاه، می‌توان برای سایر چاه های میدان نقتی نیز استفاده کرد.