برآورد تخلخل سازند گازی کنگان در میدان پارس جنوبی با استفاده از ماشین کمیته ای متشکل از شبکه های عصبی مصنوعی منفرد آموزش دیده به روش مرتب سازی

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 187

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GSJ-21-83_004

تاریخ نمایه سازی: 17 بهمن 1400

چکیده مقاله:

برای به دست آوردن نتایج دقیق­تر از به کارگیری روش شبکه­های عصبی مصنوعی، به جای انتخاب نتایج بهترین شبکه حاصل از فرایند سعی و خطا، نتایج چندین شبکه به روشی مناسب با هم ترکیب شده است تا شاید سامانه چند­شبکه­ای حاصل، که از آن با عنوان ماشین کمیته­ای تعبیر می­شود، خطا را کاهش و درنتیجه، دقت را افزایش دهد. در این پژوهش، برای برآورد تخلخل موثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربنی پارس جنوبی، از ترکیب آنسامبلی شبکه­های عصبی مصنوعی که نوعی ماشین کمیته­ای با ساختار موازی است، استفاده شده است. به این منظور، داده­های نگارهای صوتی، چگالی، پرتو گاما و تخلخل نوترونی به عنوان ورودی شبکه­ها و تخلخل موثر به عنوان خروجی شبکه­ها از ۴ چاه این میدان در بازه عمقی سازند کنگان انتخاب شدند. شبکه­های عصبی پس­انتشار خطا با ساختارهای متفاوت به روش مرتب­سازی آموزش داده شد و توان تعمیم آنها ارزیابی شد. آنگاه شبکه هایی که بهترین نتایج، یعنی کمترین میانگین مربعات خطای برآورد در مرحله آزمون را داشتند، برای ساخت ترکیب­های آنسامبلی انتخاب شدند. برای تعیین ضرایب شبکه­های جزء ترکیب­های آنسامبلی خطی، سه روش میانگین­گیری ساده، روش ترکیب خطی بهینه هاشم و روش غیرتحلیلی ترکیب خطی بهینه با استفاده از الگوریتم ژنتیک به کار برده شده و نتایج آنها با هم مقایسه شد. از مقایسه نتایج ترکیب­ها با بهترین شبکه عصبی مصنوعی منفرد حاصل، مشخص شد که بهترین ترکیب آنسامبلی حاصل، ترکیبی چهار­شبکه­ای است که ضرایب شبکه­های جزء آن با استفاده از الگوریتم ژنتیک تعیین شده است. این ترکیب توانسته میانگین مربعات خطای برآورد الگوهای آموزش و آزمون را به ترتیب ۶/۳ درصد و ۲/۱۱ درصد نسبت به بهترین شبکه عصبی منفرد کاهش دهد.

نویسندگان

ابوالقاسم کامکار روحانی

دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

محمود ذاکری

دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • کتابنگاریافشارحرب، ع.، ۱۳۸۱- زمین­شناسی نفت، انتشارات دانشگاه پیام نور ...
  • حسنی پاک، ع.ا. و شرف­الدین، م.، ۱۳۸۰- تحلیل داده­های اکتشافی، ...
  • خسروتهرانی، خ.، ۱۳۸۳- زمین­شناسی ایران، انتشارات دانشگاه پیام نور، چاپ ...
  • رحیمی، م.، ۱۳۸۱- تعبیر و تفسیر لرزه­ای ناحیه پارس جنوبی ...
  • زارعی، س.، موحد، ب.، باقری، ع.م. و مردانی، ع.، ۱۳۸۶- ...
  • ReferencesBhatt, A. & Helle, H. B., ۲۰۰۲- Committee neural networks ...
  • Bhatt, A., ۲۰۰۲- Reservoir properties from well logs using neural ...
  • Chen, C. H. & Lin, Z. S., ۲۰۰۶- A committee ...
  • Demuth, H. & Beale, M., ۲۰۰۲- Neural network toolbox user's ...
  • Hashem, S., ۱۹۹۳- Optimal linear combination of neural networks, PhD ...
  • Hashem, S., ۱۹۹۷- Optimal linear combination of neural networks, Neural ...
  • Hashem, S., Shmeiser, B. & Yih, Y., ۱۹۹۴- Optimal linear ...
  • MathWorksTM, ۲۰۰۷- Genetic algorithm and direct search toolbox ۲ user's ...
  • Sharkey, A., Sharkey, N., Gerecke, U. & Chandroth, G. O., ...
  • نمایش کامل مراجع