چکیده: حفاری چاه‌ها اصلی‌ترین روش دسترسی به مخازن هیدروکربنی است و نرخ نفوذ حفاری به‌عنوان شاخص کلیدی عملکرد، تأثیر مستقیمی بر زمان و هزینه عملیات دارد. با وجود تمرکز گسترده مطالعات پیشین بر پارامترهای عملیاتی، نقش ویژگی‌های ژئومکانیکی سازند در مدل‌های پیش‌بینی نرخ نفوذ کمتر مورد توجه قرار گرفته است؛ در حالی‌که تأثیر این ویژگی‌ها بر بهبود عملکرد حفاری و پایداری سازند در پژوهش‌ها اثبات شده است. هدف این پژوهش، توسعه مدل پیش‌بینی نرخ نفوذ با تأکید بر ویژگی‌های ژئومکانیکی است. بدین منظور، داده‌های دو حلقه چاه قائم در یکی از میادین نفتی جنوب غرب ایران مورد تحلیل قرار گرفت. مدل ژئومکانیکی یک‌بعدی سازند بر اساس نگارهای پتروفیزیکی و آزمایش‌های درون‌چاهی ساخته و تدقیق شد و ویژگی‌های ژئومکانیکی از آن استخراج گردید. پس از پیش‌پردازش داده‌ها و انتخاب ویژگی، پارامترهای عمق، مقاومت فشاری تک‌محوری و نسبت پواسون به همراه وزن روی مته، سرعت دورانی مته و نرخ جریان گل حفاری به‌عنوان ورودی‌های نهایی تعیین شدند. مدل‌های ماشین بردار پشتیبان، جنگل تصادفی و شبکه عصبی پرسپترون چندلایه توسعه یافتند و پارامترهای آن‌ها با استفاده از الگوریتم‌های ازدحام ذرات و ژنتیک بهینه‌سازی شد. نتایج نشان داد که جنگل تصادفی بهینه‌شده با الگوریتم ازدحام ذرات بالاترین دقت را در پیش‌بینی نرخ نفوذ ارائه می‌دهد. در نهایت، مدلی توسعه یافت که با تلفیق داده‌های حفاری و ویژگی‌های ژئومکانیکی قادر به پیش‌بینی دقیق نرخ نفوذ در چاه‌های جدید میدان است.