‏عمليات حفاري مشكلا‏ت زيادي را به همراه دارد روش مقابله با اين مشكلات نقش مهمي را در ادامه عمليات حفاري دارا مي باشد. با رعايت پاره اي از نكات وعكس العملهاي به موقع مي توان از وقوع بعضي از اين مشكلات جلوگيري نمود يا حداقل احتمال وقوع آن را كاهش داد. يكي از مهمترين مشكلات حفاري گير لوله ها در چاه مي باشد بطوري كه عوامل بسيار زيادي باعث بروز اين پديده مي شوند. درحال حاضر مهندسان حفاري فقط از طريق روش هاي قديمي و تجربي قادرند تا حدودي شرايط گير لوله ها را تشخيص دهند. در سال هاي اخير بحث شبكه هاي عصبي (هوش مصنوعي) ( Artificial Neural Networks ‏) رواج زيادي پيدا كرده است و ‏با توجه به كاركردهاي مفيد اثبات شده آن، ما را بر آن داشت تا از اين ابزار جهت پيش بيني گير رشته هاي حفاري در حين عمليات حفاري چاه هاي نفتي استفاده كنيم. در اين تحقيق از شبكه هاي مصنوعي Feed Forward ‏ و آموزش شبكه بر اساس توزيع معكوس خطا ( Back propagation ‏) براي پيش بيني گير رشته هاي ‏حفاري ناشي از عوامل اختلاف فشاري، تنگي چاه (سازندهاي شيلي و متحرك)، هيدروليك ضعيف گل حفاري ‏رئوژي ضعيف گل حفاري، آرايش نامناسب رشته حفاري، كيك نامناسب گل حفاري به همراه تاثيرات عوامل زمين شناسي در حين عمليات حفاري استفاده شد. در اين ايده جديد براي كاربرد شبكه هاي عصبي از اطلاعات ميدان مارون استفاده شد. نتايج بدست آمده نشان داد كه شبكه هاي عصبي مي تواند با دقت بسيار خوبي گير رشته حفاري د ‏ر شرايط گوناگوني پيش بيني كرده و راهي مناسب براي حل هر چه بهتر اين مشكل در صنعت حفاري باشند.