چکیده: عملیات حفاری یکی از پرهزینه ترین فعالیت های صنایع بالادستی نفت می باشد که از اهمیت بسیار ویژه ای برخوردار است. عوامل متعددی در موفقیت این عملیات نقش دارند. شناخت نحوه ی ارتباط بین عوامل ژئومکانیکی و عملیاتی حفاری می تواند در بهبود عملکرد عملیات حفاری و به تبع در کاهش هزینه های مرتبط، نقش حیاتی را ایفا کند. بهینه سازی نرخ نفوذ حفاری که از پارامترهای تأثیرگذار در موفقیت عملیات حفاری است، از اهمیت ویژه ای برخوردار است. عواملی همچون عوامل ژئومکانیکی، خواص سیال حفاری، هیدرولیک مته و مشخصات سازند بر روی نرخ نفوذ موثر می باشند. در این تحقیق که در یکی از میادین خلیج فارس انجام شد، در ابتدا اطلاعات مورد نیاز شامل داده های زمین شناسی، پتروفیزیکی، حفاری، در چاه مورد مطالعه گردآوری و مورد ارزیابی قرار گرفت. براساس داده های پتروفیزیکی و مکانیک سنگی، پارامترهای ژئومکانیکی در چاه مورد مطالعه تخمین زده و علاوه بر آن تغییرات فشار منفذی، تنش و شرایط پایداری چاه با مدل سازی ژئومکانیکی یک بعدی با نرم افزار ژئولاگ ساخته شد. در ادامه اطلاعات حفاری و ژئومکانیکی چاه به یک مقیاس واحد تبدیل گردید و با در اختیار داشتن این داده ها، بررسی ارتباطات میان دسته داده های ژئومکانیکی، پتروفیزیکی و حفاری با نرخ نفوذ حفاری صورت گرفت. پس از بررسی صورت گرفته از مدل سازی ژئومکانیکی و حفاری، پارامترهای مورد استفاده جهت مدل سازی نرخ نفوذ با نرم افزار متلب مورد استفاده قرار گرفتند. مدل سازی و بهینه سازی نرخ نفوذ با دو پایگاه داده (داده های حفاری و داده های حفاری-ژئومکانیکی) صورت گرفت. در ابتدا ماتریس همبستگی بین پارامترهای ژئومکانیکی و پتروفیزیکی و نرخ نفوذ حفاری (ROP) تشکیل داده شد که 17 پارامتر مورد بررسی قرار گرفتند که بین آن ها 8 پارامتر RPM, WOB, UCS, FLR, Torque, PHIE, SPP, HL (در پایگاه داده حفاری-ژئومکانیکی) و 6 پارامتر RPM, WOB, FLR, Torque, SPP, HL (در پایگاه داده حفاری) کمترین مقدار RMSE را بین داده های حقیقی و پیش بینی شده ROP داشتند و از این پارامترها در مدل سازی نرخ نفوذ به دو روش MLP و RF استفاده شد که روش RF به عنوان روش نهایی مدل سازی مورد استفاده قرار گرفت. بهینه سازی با دو هدف افزایش نرخ حفاری و کاهش انرژی ویژه مکانیکی انجام شد. برای محاسبه انرژی ویژه مکانیکی از رابطه Dupriest استفاده شد. پس از مدل سازی نرخ نفوذ، برای قسمت بهینه سازی هم با توجه به ویژگی های الگوریتم های مختلف، الگوریتم MOPSO برای بهینه سازی انتخاب شد که بدین ترتیب با انجام بهینه سازی روی پارامترهای قابل کنترل، متوسط سرعت حفاری با پایگاه داده حفاری به 1/14 متر بر ساعت و با پایگاه داده حفاری-ژئومکانیکی به 5/15 متر بر ساعت خواهد رسید و زمان حفر این محدوده عمقی از چاه (360 متر) با استفاده از پایگاه داده حفاری، 65/2 ساعت و با استفاده از پایگاه داده حفاری-ژئومکانیکی، ۹/4 ساعت کاهش خواهد یافت که تأثیر استفاده از داده های ژئومکانیکی روی بهینه سازی پارامترهای حفاری را نشان می دهد.