ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

کاربرد شبکه های عصبی چندلایه و شعاعی در صنایع نفت باتوجه به علم مکانیک سیالات

سال انتشار: 1399
کد COI مقاله: MECHAERO05_009
زبان مقاله: فارسیمشاهد این مقاله: 143
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد شبکه های عصبی چندلایه و شعاعی در صنایع نفت باتوجه به علم مکانیک سیالات

مهدی منجزی - گروه مکانیک، دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
کورس نکوفر - استادیار گروه مکانیک، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
سید آرش سید شمس طالقانی - استادیار پژوهشگاه هوا فضای وزارت علوم ، تحقیقات و فناوری، تهران، ایران

چکیده مقاله:

هوش مصنوعی را هنگامی باید استفاده کرد که استفاده از شیوه های معمولی بسیار زمان بر باشد و یا با استفاده از این شیوه ها مسئله قابل حل نباشد. شبکه های عصبی قابلیت خوبی را برای تحلیل مسائل مربوط به بانک داده های تاریخچه گسترده نشان داده است. از کاربردهای شبکه عصبی در صنایع نفت، استفاده از آن در تعیین پارامترهای خطوط لوله دو فاز، تخمین ویژگی های مخزن مانند تخلخل، تراوایی و اشباع سیال با استفاده از نمودارهای چاه، طراحی بهینه شکاف هیدرولیکی، رسوب دهی آسفالتین، توصیف خواص سیالات مخزن، توصیف ناهمگنی مخزن، تعیین پارامترهای پتروفیزیکی و تفسیر داده های زمین لرزه ای است. شیپن، زاهدی، فراوش، عثمان، آرگوباست، فرانکلین و غربی شبکه عصبی را استفاده نموده و به نتایج جالب توجهی دست یافتند. در این پروژه برای مدل سازی سرعت حفاری از دو مدل به نام های شبکه عصبی چند لایه و شبکه عصبی پایه شعاعی استفاده شد. با توجه به پارامترهای آماری، اگرچه مدل های مختلف دقت قابل قبولی برای پیش بینی داده های سرعت حفاری حاصل از اطلاعات میدانی ارائه می دهند، میتوان نتیجه گرفت مدل شعاعی به دلیل مقدار ضریب همبستگی بالاتر و مقادیر میانگین خطای نسبی و جذر کمینه مربعات خطا پایین تر نسبت به مدل چندلایه دقیق تر است.

کلیدواژه ها:

هوش مصنوعی ، مدل سازی ، سرعت حفاری ، پارامترهای پتروفیزیکی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1039496/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
منجزی، مهدی و نکوفر، کورس و سید شمس طالقانی، سید آرش،1399،کاربرد شبکه های عصبی چندلایه و شعاعی در صنایع نفت باتوجه به علم مکانیک سیالات،پنجمین کنفرانس ملی مهندسی مکانیک و هوافضا،تهران،،،https://civilica.com/doc/1039496

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، منجزی، مهدی؛ کورس نکوفر و سید آرش سید شمس طالقانی)
برای بار دوم به بعد: (1399، منجزی؛ نکوفر و سید شمس طالقانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
نقد پژوهشگران در مورد مقاله کاربرد شبکه های عصبی چندلایه و شعاعی در صنایع نفت باتوجه به علم مکانیک سیالات
علی برامک (1399/12/08): عالی بود حرف های جذابی بود

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 2,046
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی