طراحی شبکه عصبی مصنوعی برای پیش بینی اشباع آب

تعیین دقیق اشباع آب برای تخمین حجم سیال مخزن و تعیین بهتر خصوصیات مخازن هیدروکربوری لازم است. راه های متعددی برای تخمین اشباع آب در سازندهای شیلی وجود دارد اما رایج ترین راه مورد استفاده در صنعت بر اساس مدل های پتروفیزیکی مانند مدل واکسمن- اسمیتز و مدل سیمندوکس است. این مدل ها دارای محدودیت هایی هستند و اغلب پارامترهای ورودی آنها در دسترس نیست و باعث می شوند نتایج کمتر یا بیشتر از مقدار واقعی ایجاد شوند. در این مقاله، روش شناختی مبتنی بر شبکه عصبی مصنوعی مورد استفاده قرار گرفته است که برای پیش بینی اشباع آب با استفاده از نمودارهای کابلی- خطی و مغزه گیری به روش دین- استارک است. یک گردش کار دقیق برای گسترش مدل، در مخازن ماسه سنگی، در جاهایی که نمودارهای مرسوم کابلی- خطی و مغزه گیری به روش دین- استارک است. یک گردش کار دقیق برای گسترش مدل، در مخازن ماسه سنگی، در جاهایی که نمودارهای مرسوم کابلی- خطی به عنوان پارامترهای ورودی عمل می کنند، آماده شده است. مدل مورد استفاده در این مقاله، مدلی از یک شبکه عصبی سه لایه با یک الگوریتم یادگیری انعطاف پذیر پس انتشار است و در نهایت شبکه عصبی بهینه شده مناسبی با یازده نورون پنهان برای تخمین اشباع آب به دست می آید.

کلیدواژه ها:

نورون ، لایه های پنهان ، رگرسیون خطی ، آموزش و آزمایش شبکه