چکیده: هرزروی سیال حفاری یکی از چال شهای مهم در عملیات حفاری چا ههای نفت و گاز است که م یتواند موجب کاهش حجم سیال در گردش، ناپایداری چاه، آسیب به سازند و افزایش هزین ههای عملیاتی شود. در این پژوهش، از شبکه عصبی مصنوعی ب همنظور پیشبینی لحظ های میزان هرزروی سیال حفاری از داد ههای عملیاتی و پارامترهای ثب تشده حین حفاری استفاده شده است. داد ههای این تحقی ق از نقاط میدانی واق عی مربوط به ۷ حلقه چاه در جنوب عراق استخراج شد. داد هه ا ی چاههای 1 ، ۲ ، 4 و 5 پس از تقسی مبن دی به ۷0٪ آموزش و 30٪ آزمون برا ی توسعه و ارزیابی اولی ه مد لها ب هکار رفت و داد ههای دید هنشده چاههای 3 ، ۶ و ۷ جهت اعتبارسنجی تخمین لحظ های هرزروی گ ل استفاده شد. پس از پی شپرداز ش و حذف مقاد یر پرت، با توجه به نقش کلی د ی خواص رئولوژیک ی در کنترل فشار سازند، انتقال خرد هها، پایداری د یوار ه چاه و عملکرد هیدرولیکی ، و ن یز محدودیت رو شهای سن تی و مدلهای پی شبینی موجود، عمق قائم واقعی، وزن گل، ویسکوزیته قیف مارش، pH ، سختی، درصد مواد جامد و غلظت کلرای د ویسکو زیت ه پلاستی ک و نقطه تسلی م ب هعنوان ورو د ی مدل برا ی تخمین هرزرو ی گ ل مورد استفاده قرار گرفتند . دراین پژوه ش مدل شبکه عصبی مقدار ضریب تعیین برای پی شبینی هرزروی گل حفاری در مراحل آموزش، آزمون و اعتبارسنجی ب هترتیب 983 / 0 ، 95۲ / 0 و 91۲ / 0 ب هدست آمد . مقدار های پایین شاخصهای خطا در تمامی مراحل، نشان دهنده دقت، پایداری عملکرد و قابلیت تعمیم مطلوب مدل توسع هیافته در پی شبینی لحظ های هرزرو ی گل حفاری است.