طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل
- سال انتشار: 1389
- محل انتشار: همایش انرژی و محیط زیست
- کد COI اختصاصی: EERCKC01_004
- زبان مقاله: فارسی
- تعداد مشاهده: 1094
نویسندگان
دانشگاه شهید باهنر کرمان عضو انجمن پژوهشگران جوان
دانشگاه شهید باهنر کرمان گروه مهندسی نفتو گاز
دانشگاه شهید باهنر کرمان گروه مهندسی برق
کارشناس عملیات مخازن شرکت نفت وگاز زاگرس جنوبی شیراز
چکیده
پیش بینی دقیق شاخص تخلخل یکی از مهمترین نیازهای صنعت نفت است در روشهای رایج برای نیل به این هدف به اطلاعات چاه نگاری و آزمایشات پتروفیزیکی زیادی نیاز است ولی امروزه با استفاده از شبکه های عصبی مصنوعی می توان از کمترین اطلاعات بهره برد و تخلخل را به خوبی پیش بینی کرد از سال 1986 استفاده از شبکه های عصبی در صنعت گسترش یافته و امروزه هدف محققان بهینه کردن این سیستم ها می باشد دراین تحقیق با استفاده از شبکه های عصبی مصنوعی سعی شد که شاخص تخلخل به کمک فقط نمودارهای نوترون و صوتی با بیشترین دقت ممکن پیش بینی شود 40000 داده چاه نگاری معتبر و تخلخل ارزیابی شده مربوط به یکی از میادین جنوب ایران وجود دارد از مهمترین عوامل کارایی یک شبکه عصبی تعیین تعداد بهینه مراحل آموزشی است که از بیش برازش جلوگیری شود.کلیدواژه ها
بیش برازش، تخلخلخ، نرون ها و توابع محرک، نمودارهای صوتی و نوترونمقالات مرتبط جدید
- ارزیابی اثر ساماندهی بافت های فرسوده در توسعه پایدار شهر خرم آباد (مطالعه موردی : محله درب طاهر خرم آباد)
- سنجش میزان تاثیرگذاری مولفه های ارتقاء کیفیت فضاهای عمومی شهر در طراحی فرهنگسرا
- تبیین کاربرد هوش مصنوعی در معماری داخلی ابنیه
- شناسایی کارکردهای استفاده از شیشه های هوشمند در معماری و طراحی دوستدار محیط زیست
- ارزیابی عملکرد مدیریت شهری در توسعه ی گردشگری شهری (مطالعه ی موردی شهر بهشهر)
اطلاعات بیشتر در مورد 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.