تخمین ضریب تصحیح میترجابجایی نفت کوره با استفاده از الگوریتم گرید سرچ-رگرسیون بردار پشتیبان

امروزه یکی از روشهایی که برای پیش بینی به کمک یادگیری ماشین مورد استفاده قرار میگیرد، روش رگرسیون بردار پشتیبان است. هدف این دسته الگوریتمها تشخیص و متمایز کردن الگوهای پیچیده در داده ها است. میتر جابجایی مثبت که وظیفه اندازهگیری حجم سیالات را بر عهده دارد، بیشتر وقتها دقیق اندازه گیری نمی کند و دارای خطا میباشد. برای تصحیح این خطا از یک ضریب به نام ضریب تصحیح استفاده میشود. در این تحقیق سعی شده که به وسیله الگوریتم رگرسیون بردار پشتیبان به ابزاری جهت پیشبینی ضریب تصحیح میتر جابجایی مثبت دست یابیم و عملیاتهای سنگین فعلی را در محاسبه این ضریب حذف کنیم. برای تنظیم پارامترهای رگرسیون بردار پشتیبان از الگوریتم گرید سرچ1 استفاده شد و عملکرد این الگوریتم توسط معیارهای ارزیابی ضریب همبستگی، میانگین مربع خطاو با هم مقایسه شد.کرنلهای مورد استفاده در این الگوریتمها کرنل خطی2، چند جملهای3، 4RBF میباشد. نتایج شبیهسازی نشان میدهد که الگوریتم پیشنهادی SVR- Grid Search با کرنل Linear توانسته MSE= 9/95 و R= 0/97 نتایج و کیفیت برتری نسبت با سایر کرنلها دارد.

کلیدواژه ها:

میتر جابجایی مثبت ، ضریب تصحیح ، رگرسیون بردار پشتیبان ، گرید سرچ