چکیده: عملیات حفاری یکی از پرهزینه‌ترین فعالیت‌های صنایع بالادستی نفت است که از جایگاه ویژه‌ای در این صنعت برخوردار است. افزون بر پارامترهایی مانند زمان‌های ازدست‌رفته و زمان‌های مرتبط با جابه جایی، نرخ نفوذ مته نیز به‌عنوان عاملی مهم در راندمان دکل‌های حفاری مورد توجه است. پیش‌بینی نرخ نفوذ در صنعت نفت از منظر ارزیابی دقیق‌تر زمان حفاری و در نتیجه کنترل هزینه‌های عملیات بسیار حائز اهمیت است. در این پژوهش به‌منظور بررسی پارامترهای مؤثر بر سرعت حفاری ابتدا سابقه علمی موضوع با استفاده از مقالات و متون علمی موجود مورد بررسی قرار گرفت و مهم‌ترین پارامترهای فنی مؤثر به دو دسته عوامل قابل‌کنترل(عملیاتی) و غیرقابل‌کنترل(محیطی) تقسیم‌بندی شدند. به دست آوردن مدلی که بتواند ارتباط میان این پارامترها و نرخ نفوذ را به دست آورد همواره از اهمیت ویژه‌ای برخوردار بوده است. بااین‌وجود مدل های ریاضی ارائه‌شده در این راستا بیشتر بر روی پارامترهای قابل‌کنترل و عملیاتی تأکید داشته‌اند. بدین ترتیب با توجه به اهمیت پارامترهای ژئومکانیکی در فرآیند حفاری، در این تحقیق سعی بر بررسی تأثیر پارامترهای محیطی بر روی نرخ نفوذ حفاری شده است. این پارامترها که از طریق نگارهای چاه پیمایی برآورد می‌شوند، در مدل ژئومکانیکی یک‌بعدی ساخته‌شده از چاه موردنظر گزارش شدند. پس از تشکیل پایگاه داده‌های مؤثر بر نرخ نفوذ، به‌منظور مدل‌سازی از دو روش رگرسیون چند متغیره (از زیرمجموعه‌های روش آماری) و شبکه عصبی (از زیرمجموعه‌های روش‌های هوش مصنوعی) به دلیل کارایی بالا در امر مدل‌سازی و تشخیص الگو در داده‌ها استفاده گردیده است. با توجه به نتایج شبکه عصبی که ضریب همبستگی 87/0 بین مقادیر مشاهداتی و پیش‌بینی را در مقابل ضریب همبستگی حدود 7/0 در تحلیل رگرسیون چند متغیره نشان می‌دهد، می‌توان به توانایی بالای شبکه عصبی در امر مدل‌سازی پی برد. شایان‌ذکر است این مدل که در یکی از چاه‌های میدان نفتی آزادگان به کار گرفته شده است نقش اساسی در بهبود برنامه‌ریزی حفاری چاه‌های منطقه ایفا خواهد کرد.