تخمین نفوذ پذیری در یکی از مخازن جنوبی ایران به وسیله طراحی بهینه شبکه های عصبی به کمک الگوریتم ژنتیک

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,049

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

EERCKC01_013

تاریخ نمایه سازی: 29 مهر 1390

Abstract:

یکی از ابزارهای توصیف یک مخزن خصوصیات آن است که دراین میان نفوذپذیری از جایگاه ویژه ای برخوردار است با این حال بدست آوردن این پارامتر بخصوص درمناطق پیچیده شکاف دار همیشه با مشکلات فراوانی همراه است خصوصیات متمایز این مخازن همچون ناهمگنی بالا کربناته بودن ضخامت بالا وسعت زیاد وجود شکاف وجود سنگهای متمایز باعث ناکارآمدی شیوه های معمول استفادها ز هوش مصنوعی برای تخمین نفوذپذیری گردیده است دراین مقاله سعی شده است تا با ناحیه بندی کردن مخزن براساس ویژگیهای زمین شناسی و دسته بندی کردن داده ها برهمین اساس به تخمین نفوذ پذیری از روی داده های چاه پیمایی کارایی لازم بخشیده شود. با بهره گیری از ترکیب سیستم شبکه های عصبی مصنوعی و الگوریتم ژنتیک مدل موردنظر ارائه گردید.

Authors

حسین کایدانی

گروه شیمی دانشگاه شهید باهنر کرمان

علی محبی

گروه شیمی دانشگاه شهید باهنر کرمان

علی بقایی

گروه شیمی دانشگاه شهید باهنر کرمان

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 :
  • محمد باقر منهاج "مبانی شبکه های عصبی" نشر دانشگاه امیرکبیر، ...
  • علیرضا رضایی و سجاد رنجبران "آموزش کاربردی الگوریتم ژنتیک در ...
  • نمایش کامل مراجع