چکیده: یکی از چالش‌های صنعت حفاری باتوجه‌به اینکه صنعت پر هزینه و پر خطری است بهبود سرعت حفاری با رعایت ملاحظات ایمنی، اقتصادی، محدودیت‌های فناوری، تجهیزات، مواد موردنیاز و طبیعتاً زمین است که می‌تواند نقش بسیار مهمی داشته باشد. با پیچیده‌شدن حفاری چاه‌ها (افقی، گسترش‌یافته، دما و فشار بالا و غیره) محققان حوزه نفت بررسی‌های عمیق‌تری از عوامل مؤثر بر نرخ نفوذ مته حفاری انجام می‌دهند. هدف از این مطالعه، پیش‌بینی نرخ نفوذ حفاری و ارزیابی تأثیر آنها بر مدل‌های مختلف یادگیری ماشین با استفاده از داده‌های چاه واقعی است. میدان گازی پارس جنوبی یکی از میدان‌های جنوب ایران است که شامل دو مخزن کنگان و دالان در ناحیه رسوبی زاگرس است. سازندهای کنگان و دالان وابسته به گروه دهرم هستند که از مهم‌ترین مخازن گازی خلیج‌فارس در آن ناحیه می‌باشند. بر اساس لیتولوژی و تخلخل زون مخزنی میدان پارس جنوبی به دو قسمت K-1 و K-2 تقسیم گردیده است. برای دستیابی به این هدف، داده‌های 4 حلقه از چاه‌های حفاری جهت‌دار در میدان گازی پارس جنوبی به‌عنوان داده‌های ورودی استفاده شده است. برای مجموعه‌داده‌هایی که در این مطالعه استفاده شده است، بیش از 4000 نقطه داده وجود داشت، بنابراین از نسبت 60 به 40 درصد برای مجموعه‌های آموزشی و تست استفاده شد. این مطالعه نشان داد که وزن بر روی مته یکی از مهم‌ترین عوامل در پیش‌بینی نرخ نفوذ حفاری است. اما برای اندازه‌گیری دقیق این عامل در چاه‌های پیچیده، مشکلاتی وجود دارد. زیرا مقادیر وزن روی مته که در سطح زمین و در عمق چاه اندازه‌گیری می‌شوند، با هم همخوانی ندارند؛ بنابراین، از داده‌های چاه تکمیل شده استفاده شد تا عوامل و داده‌های مرتبط شناسایی و استخراج شود. بعد از واردشدن به فضای نرم‌افزار و نرمال‌سازی بین صفر و یک باتوجه‌به کدهای هر الگوریتم پیش‌پردازش می‌شوند. در بحث بهینه‌سازی مقدار نرخ حفاری برای بیشینه نمودن نسبت به 12 عامل مؤثر بر داده‌ها ارزیابی شد. سپس با استفاده از یک کد پایتون، مقدار وزن روی مته ته چاه متأثر از زاویه چاه با استفاده از اندازه‌گیری‌های سطح پیش‌بینی شد و ضریب تعیین 95/0 بدست آمد که نتیجه مطلوبی است. در این مطالعه، پس از انتخاب و آماده‌سازی داده‌ها، از چندین روش یادگیری ماشین برای پیداکردن بهترین مدل پیش‌بینی نرخ نفوذ مته حفاری استفاده شد. این روش‌ها شامل رگرسیون جنگل تصادفی، نزدیک‌ترین همسایه‌های K ، شبکه‌های عصبی مصنوعی و حافظه طولانی کوتاه‌مدت بودند. نتایج نشان داد که مدل حافظه طولانی کوتاه‌مدت دقیق‌ترین مدل بود. سپس تأثیر عوامل مختلف سطحی و ترکیبی از آن‌ها بر عملکرد مدل بررسی شد.