چکیده: قابلیت حفاری سنگ یک شاخص کمی است که به طور گسترده در زمین شناسی، معدن، نفت و رشته های مهندسی دیگر برای ارزیابی سختی یا آسانی حفر یک سنگ به کار می رود. به دلیل اهمیت بالای این پارامتر در بهبود نتایج مدل های تخمین گر نرخ نفوذ ابزار های حفاری، تحقیقات گسترده ای در حوزه معدن و عمران برای تعیین آن صورت گرفته است. این در حالی است که در حوزه نفت و گاز، در مطالعات محدودی به اندازه گیری این پارامتر در آزمایشگاه پرداخته شده است. شاخص قابلیت حفاری معرفی شده در این مطالعات، به دلیل عدم لحاظ شرایط واقعی چاه ها، کاربردی نمی باشند؛ از اینرو، در مطالعه حاضر به توسعه شاخص جدید قابلیت حفاری سنگ مخازن نفت و گاز سازگار با مدل نرخ نفوذ پرداخته خواهد شد. برای نیل به این هدف، پارامترهای عملیاتی، نگارهای پتروفیزیکی و گزارش های حفاری مربوط به چهار چاه از سه میدان مختلف گردآوری شد. ابتدا به منظور تعیین پارامترهای ژئومکانیکی سنگ، مدل سازی یک بعدی چاه انجام شد. به منظور انجام تحلیل های گسترده روی داده های گردآوری شده و درک ارزش پارامترهای سنگ در مدل های نرخ نفوذ، سطح اول داده ها مشتمل بر سه پایگاه داده مختلف تشکیل شد، که در پایگاه اول تنها پارامترهای عملیاتی هر چاه و در پایگاه دوم و سوم علاوه بر پارامترهای عملیاتی، به ترتیب، نگارهای پتروفیزیکی و ویژگی های ژئومکانیکی سنگ قرار دارند. از آن جایی که نتایج مدل های مبتنی بر داده های میدانی، بسیار وابسته به کیفیت برداشت این داده ها است، پیش پردازش به منظور کاهش اثر نوفه و انتخاب بهترین ویژگی های تأثیرگذار در نرخ حفاری روی داده ها اعمال شد. در این راستا؛ ابتدا، با استفاده از تحلیل طیفی و همبستگی خودکار وجود نوفه و شدت آن ها در داده ها ارزیابی شد. سپس با استفاده از صافی ساویتزکی-گولایی اثر نوفه در داده ها کاهش داده شد. در ادامه برای انتخاب ویژگی های برتر در تخمین نرخ حفاری، روش جستجوی افزودن l، حذف r روی پایگاه های داده سطح اول پیاده شد. به منظور ایجاد شرایط یکسان در تحلیل نتایج نرخ نفوذ، پنج پارامتر در هر پایگاه داده برای تخمین نرخ نفوذ مد نظر قرار گرفت. سپس مدل سازی نرخ نفوذ با استفاده از روش های رگرسیونی چند متغیره غیرخطی و شبکه عصبی پرسپترون چند لایه و تنها با استفاده از پارامترهای انتخاب شده هر پایگاه داده انجام شد. بررسی نتایج مقادیر نرخ نفوذ تخمینی از مدل های حاصل از پایگاه های مختلف سطح اول داده ها نشان داد، که به صورت میانگین، دقت مدل های نرخ نفوذ پایگاه های شمار 2 و 3، به ترتیب، حدود 7 و 13 درصد در روش رگرسیونی، و 13 و 18 درصد در شبکه عصبی نسبت به پایگاه شماره 1 بهبود یافته است. با توجه به این اهمیت ویژگی های سنگ در مدل های نرخ نفوذ، در ادامه، به منظور استخراج ویژگی های تردی و قابلیت حفاری سنگ، تعدادی آزمایش نفوذگر بر روی نمونه مغزه های بدست آمده از سازندهای مشابه دو چاه انجام شد. از نمودارهای نیرو-نفوذ بدست آمده برای هر نمونه سنگ در این آزمایش، سه شاخص تردی و شاخص جدید توسعه داده شده با عنوان قابلیت حفاری سنگ محاسبه شد. بررسی ارتباط هر یک از این شاخص ها با نرخ نفوذ نشان داد؛ که شاخص توسعه داده شده ارتباط خوبی را به صورت نمایی با نرخ حفاری دارد. از اینرو، در ادامه از نگارهای پتروفیزیکی و ژئومکانیکی سنگ برای ارائه رابطه ای برای تخمین شاخص قابلیت حفاری سنگ استفاده شد. نتیجه این ارزیابی نشان داد که با دو ویژگی ژئومکانیکی سنگ یعنی مقاومت فشاری محصور شده و زاویه اصطکاک داخلی می توان با دقت خوبی شاخص جدید قابلیت حفاری سنگ را برآورد نمود. از اینرو، این شاخص در همه چاه های مورد مطالعه محاسبه و سطح دوم پایگاه داده مشتمل بر پارامترهای عملیاتی و شاخص جدید قابلیت حفاری به تفکیک هر چاه ایجاد شد. به منظور اعتبار سنجی شاخص جدید قابلیت حفاری در مدل های نرخ نفوذ، الگوریتم ژنتیک با مرتب سازی نامغلوب برای انتخاب ویژگی های برتر روی داده-های سطح دوم پیاده شد. استفاده از پارامترهای انتخاب شده سطح دوم هر چاه در مدل سازی نرخ حفاری نشان داد که، به صورت میانگین، دقت در روش رگرسیونی حدود 16 درصد و در شبکه عصبی حدود 28 درصد، نسبت به دقت مدل های نظیر پایگاه سوم سطح اول داده افزایش یافته است. همچنین مقایسه نتایج مدل رگرسیونی تخمین گر نرخ حفاری سطح دوم داده با مدل نرخ نفوذ بورگوین و یانگ در چاه های مورد مطالعه نشان داد که دقت مدل های سطح دوم به طور میانگین حدود 27 درصد بیشتر از مدل بورگوین و یانگ است. این در حالی است که مدل بورگوین و یانگ از نه پارامتر مختلف، و مدل های ارائه شده تنها از پنج پارامتر استفاده می کنند.