ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل

Year: 1389
COI: EERCKC01_004
Language: PersianView: 714
This Paper With 5 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

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.

Keywords:

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

Paper COI Code

This Paper COI Code is EERCKC01_004. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/125966/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
بانشی، محمد و شفیعی، مهین و نظام آبادی پور، حسین و بهزادی جو، محمدرضا،1389،طراحی شبکه عصبی مصنوعی بهینه برای پیش بینی شاخص تخلخل،National Conference of Energy and Environment،Kerman،،،https://civilica.com/doc/125966

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 ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: دانشگاه دولتی
    Paper count: 16,325
    In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

    New Papers

    Share this page

    More information about COI

    COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

    The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

    Support