سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل

Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,148

This Paper With 5 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

EERCKC01_004

Index date: 21 October 2011

طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل abstract

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.

طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل Keywords:

بیش برازش , تخلخلخ , نرون ها و توابع محرک , نمودارهای صوتی و نوترون

طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل authors

محمد بانشی

دانشگاه شهید باهنر کرمان عضو انجمن پژوهشگران جوان

مهین شفیعی

دانشگاه شهید باهنر کرمان گروه مهندسی نفتو گاز

حسین نظام آبادی پور

دانشگاه شهید باهنر کرمان گروه مهندسی برق

محمدرضا بهزادی جو

کارشناس عملیات مخازن شرکت نفت وگاز زاگرس جنوبی شیراز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
_ _ _ of artificial neural networks in predicting porosity ...
Rostamy.M, Baneshi.M, Ranjbar.M "Reservoir Porosity Estimation from Well Logs Using ...
_ _ _ _ _ GeologistsTulsa, Oklahoma, . 20 0 ...
Kosko, B, "Neural Networs and Fuzzy Systems, A Dynamical Systems ...
Neural network toolbox pdf of matlab ...
نمایش کامل مراجع

مقاله فارسی "طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل" توسط محمد بانشی، دانشگاه شهید باهنر کرمان عضو انجمن پژوهشگران جوان؛ مهین شفیعی، دانشگاه شهید باهنر کرمان گروه مهندسی نفتو گاز؛ حسین نظام آبادی پور، دانشگاه شهید باهنر کرمان گروه مهندسی برق؛ محمدرضا بهزادی جو، کارشناس عملیات مخازن شرکت نفت وگاز زاگرس جنوبی شیراز نوشته شده و در سال 1389 پس از تایید کمیته علمی همایش انرژی و محیط زیست پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله بیش برازش، تخلخلخ، نرون ها و توابع محرک، نمودارهای صوتی و نوترون هستند. این مقاله در تاریخ 29 مهر 1390 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1148 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.