عملیات حفاری یکی از پرهزینه ترین فعالیت های صنایع بالادستی نفت است که از جایگاه ویژه ای در این صنعت برخوردار است. افزون بر پارامترهایی مانند زمان های ازدست رفته و زمان های مرتبط با جابه جایی، نرخ نفوذ مته نیز به عنوان عاملی مهم در راندمان دکل های حفاری مورد توجه است. پیش بینی نرخ نفوذ در صنعت نفت از منظر ارزیابی دقیق تر زمان حفاری و در نتیجه کنترل هزینه های عملیات بسیار حائز اهمیت است. در این پژوهش به منظور بررسی پارامترهای موثر بر سرعت حفاری ابتدا سابقه علمی موضوع با استفاده از مقالات و متون علمی موجود مورد بررسی قرار گرفت و مهم ترین پارامترهای فنی موثر به دو دسته عوامل قابل کنترل(عملیاتی) و غیرقابل کنترل(محیطی) تقسیم بندی شدند. به دست آوردن مدلی که بتواند ارتباط میان این پارامترها و نرخ نفوذ را به دست آورد همواره از اهمیت ویژه ای برخوردار بوده است. بااین وجود مدل های ریاضی ارائه شده در این راستا بیشتر بر روی پارامترهای قابل کنترل و عملیاتی تأکید داشته اند. 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 می شوند، در مدل ژئومکانیکی یک بعدی ساخته شده از چاه موردنظر گزارش شدند. پس از تشکیل پایگاه داده های موثر بر نرخ نفوذ، به منظور مدل سازی از دو روش رگرسیون چند متغیره (از زیرمجموعه های روش آماری) و شبکه عصبی (از زیرمجموعه های روش های هوش مصنوعی) به دلیل کارایی بالا در امر مدل سازی و تشخیص الگو در داده ها استفاده گردیده است. با توجه به نتایج شبکه عصبی که ضریب همبستگی 87/0 بین مقادیر مشاهداتی و پیش بینی را در مقابل ضریب همبستگی حدود 7/0 در تحلیل رگرسیون چند متغیره نشان می دهد، می توان به توانایی بالای شبکه عصبی در امر مدل سازی پی برد. شایان ذکر است این مدل که در یکی از چاه های میدان نفتی آزادگان به کار گرفته شده است نقش اساسی در بهبود برنامه ریزی حفاری چاه های منطقه ایفا خواهد کرد.