تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای
در این مقاله سیستم‌های چندشبکه‌ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم‌ها نتایج<br /> چندین شبکه که به طور منفرد و مجزا آموزش دیده‌اند، به روشی مناسب با هم ترکیب می‌شود. در این مطالعه تخلخل مؤثر یکی از مخازن هیدروکربوری میدان عظیم پارس...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2013-08-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_296_18771313a1cbee9ff5978754be9b0fff.pdf |
| _version_ | 1818301023356190720 |
|---|---|
| author | محمود ذاکری ابوالقاسم کامکار روحانی |
| author_facet | محمود ذاکری ابوالقاسم کامکار روحانی |
| author_sort | محمود ذاکری |
| collection | DOAJ |
| description | در این مقاله سیستم‌های چندشبکه‌ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم‌ها نتایج<br /> چندین شبکه که به طور منفرد و مجزا آموزش دیده‌اند، به روشی مناسب با هم ترکیب می‌شود. در این مطالعه تخلخل مؤثر یکی از مخازن هیدروکربوری میدان عظیم پارس جنوبی با استفاده از سیستم‌های چندشبکه‌ای برآورد شده است. از شبکه‌های عصبی مصنوعی پس انتشار خطا که به روش اعتبارسنجی همزمان آموزش دیده‌اند، به عنوان اجزای سیستم‌های چندشبکه‌ای استفاده شد. داده نگارهای چاه از 4 چاه این میدان در بازه عمقی سازند کنگان مورد استفاده قرار گرفت. نگارهای صوتی، چگالی، اشعه گاما و تخلخل نوترونی به عنوان ورودی شبکه‌ها و تخلخل مؤثر به عنوان خروجی شبکه‌ها انتخاب گردید. روش ترکیب آنسامبلی شبکه‌ها که دارای ساختاری موازی است، برای تشکیل سیستم‌های چند شبکه‌ای مورد استفاده قرار گرفت. نتایج نشان می‌دهد که ترکیب‌های آنسامبلی مناسب می‌تواند خروجی شبکه‌های عصبی مصنوعی منفرد آموزش دیده به روش اعتبارسنجی همزمان را بهبود بخشد. بهترین ترکیب آنسامبلی حاصل در این تحقیق، ترکیبی سه شبکه‌ای است که میانگین مربعات خطای تخمین تخلخل الگوهای آموزش و آزمون را نسبت به بهترین شبکه عصبی مصنوعی منفرد به‌ترتیب 7/41 % و 5/21 %<br /> کاهش داده است. |
| first_indexed | 2024-12-13T05:16:25Z |
| format | Article |
| id | doaj.art-217751c9dffa41eeb98898abbc1679bf |
| institution | Directory Open Access Journal |
| issn | 2345-2900 2383-4528 |
| language | fas |
| last_indexed | 2024-12-13T05:16:25Z |
| publishDate | 2013-08-01 |
| publisher | Research Institute of Petroleum Industry |
| record_format | Article |
| series | Pizhūhish-i Naft |
| spelling | doaj.art-217751c9dffa41eeb98898abbc1679bf2022-12-21T23:58:25ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282013-08-01237410912510.22078/pr.2013.296296تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ایمحمود ذاکری0ابوالقاسم کامکار روحانی1سازمان زمین‌شناسی و اکتشافات معدنی کشورسازمان زمین‌شناسی و اکتشافات معدنی کشوردر این مقاله سیستم‌های چندشبکه‌ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم‌ها نتایج<br /> چندین شبکه که به طور منفرد و مجزا آموزش دیده‌اند، به روشی مناسب با هم ترکیب می‌شود. در این مطالعه تخلخل مؤثر یکی از مخازن هیدروکربوری میدان عظیم پارس جنوبی با استفاده از سیستم‌های چندشبکه‌ای برآورد شده است. از شبکه‌های عصبی مصنوعی پس انتشار خطا که به روش اعتبارسنجی همزمان آموزش دیده‌اند، به عنوان اجزای سیستم‌های چندشبکه‌ای استفاده شد. داده نگارهای چاه از 4 چاه این میدان در بازه عمقی سازند کنگان مورد استفاده قرار گرفت. نگارهای صوتی، چگالی، اشعه گاما و تخلخل نوترونی به عنوان ورودی شبکه‌ها و تخلخل مؤثر به عنوان خروجی شبکه‌ها انتخاب گردید. روش ترکیب آنسامبلی شبکه‌ها که دارای ساختاری موازی است، برای تشکیل سیستم‌های چند شبکه‌ای مورد استفاده قرار گرفت. نتایج نشان می‌دهد که ترکیب‌های آنسامبلی مناسب می‌تواند خروجی شبکه‌های عصبی مصنوعی منفرد آموزش دیده به روش اعتبارسنجی همزمان را بهبود بخشد. بهترین ترکیب آنسامبلی حاصل در این تحقیق، ترکیبی سه شبکه‌ای است که میانگین مربعات خطای تخمین تخلخل الگوهای آموزش و آزمون را نسبت به بهترین شبکه عصبی مصنوعی منفرد به‌ترتیب 7/41 % و 5/21 %<br /> کاهش داده است.https://pr.ripi.ir/article_296_18771313a1cbee9ff5978754be9b0fff.pdfشبکه عصبی مصنوعیسیستم‌های چند شبکه‌ایترکیب آنسامبلیالگوریتم ژنتیکتخلخل و نگار |
| spellingShingle | محمود ذاکری ابوالقاسم کامکار روحانی تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای Pizhūhish-i Naft شبکه عصبی مصنوعی سیستم‌های چند شبکه‌ای ترکیب آنسامبلی الگوریتم ژنتیک تخلخل و نگار |
| title | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| title_full | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| title_fullStr | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| title_full_unstemmed | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| title_short | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| title_sort | تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای |
| topic | شبکه عصبی مصنوعی سیستم‌های چند شبکه‌ای ترکیب آنسامبلی الگوریتم ژنتیک تخلخل و نگار |
| url | https://pr.ripi.ir/article_296_18771313a1cbee9ff5978754be9b0fff.pdf |
| work_keys_str_mv | AT mḥmwddẖạḵry tkẖmyntkẖlkẖlyḵmkẖznhydrwḵrbwrybạạstfạdhạzsystmhạycẖndsẖbḵhạy AT ạbwạlqạsmḵạmḵạrrwḥạny tkẖmyntkẖlkẖlyḵmkẖznhydrwḵrbwrybạạstfạdhạzsystmhạycẖndsẖbḵhạy |