بررسی اهمیت و کاربرد شبکه های عصبی مصنوعی در مطالعات مهندسی نفت.

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,365

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

RESERVOIR03_084

تاریخ نمایه سازی: 21 تیر 1393

Abstract:

شبکه های عصبی مصنوعی یکی از شاخه های هوش مصنوعی است که الهام گرفته از سیستم عصبی انسان می باشد. این شیوه در برابر مجموعه داده های غیر خطی و پیچیده بهتر از روش های رگرسیون کلاسیک و دیگر روش های آماری عمل می کند. ابتدا قسمتی از داده ها برای آموزش شبکه استفاده می شود و پس از اینکه شبکه با الگوی حاکم بر آن ها آشنا شد، با کمک قسمت دیگر داده ها مورد آزمودن قرار می گیرد. اخیراً در بسیاری از رشته های مهندسی، در برخورد با مسائل مربوط به مدل سازی، تشخیص الگو و تخمین پارامترها، از این ابزار بهره گرفته می شود. در این مطالعه، برخی از مهم ترین کاربردهای شبکه های عصبی مصنوعی در مهندسی نفت بررسی شده است که از آن جمله می توان به کاربرد آن در مسائل مختلف از جمله پیش بینی تخلخل و تراوایی سازند، طراحی شکاف هیدرولیکی، جریان دوفازی در خطوط لوله، تخمین پارامترهای سیال، دبی چاه، میزان بازیافت نفت، رسوب آسفالتین، توصیف سازند، ساخت نمودارهای مصنوعی پتروفیزیکی و نیز لایه بندی مخزن اشاره کرد. همچنین برخی از تحقیقات مهم انجام شده در این ارتباط به عنوان نمونه معرفی شده اند

Keywords:

Authors

افشین تاتار

کارشناسی ارشد مهندسی مخازن هیدروکربوری، دانشگاه صنعتی سهند

مصیب کمری

کارشناسی ارشد مهندسی مخازن هیدروکربوری، شرکت ملی مناطق نفت خیز جنوب، ارزیابی مخازن

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 :
  • مجله مهندسی شیمی ایران شماره بیست و , .in1385, دوم ...
  • .12 Mohaghegh, S. and S. Ameri, Artificial Neural Network As ...
  • Effectve Porosity, and the Bulk Volume Irreducible Water Data Obtained ...
  • Field in Colombia, in SPE Petroleum Computer Conference 1997: Dallas, ...
  • Sand Reservoirs, in SPE Saudi Arabia Section Technical Sympos ium2009 ...
  • .7 Kharrat, R., et al., Rock type and permeability prediction ...
  • Networks: A Case Study of Bangestan Field, Iran, in Nigeria ...
  • .10 Wong, P.M., D.J. Henderson, and L... Brooks, Permeability Determination ...
  • .11 Mohaghegh, S., et al., Design and Development of An ...
  • .18 Zahedi, G., et al., Prediction of asphaltene precipitation in ...
  • .19 A1-Marhoun, M.A. and E.A. Osman, Using Artificial Neural Networks ...
  • .2 Cruz, L.G., et al., Application of an Artificial Neural ...
  • .3 Soto B., R., et al., Use of Neural Networks ...
  • .6 Hamada, G.M. and M.A. Elshafei, Neural Network Prediction of ...
  • .8 Naeeni, M.N., et al., Permeability Prediction of Un-cored Intervals ...
  • .9 Singh, S., Permeability Prediction Using Artificial Neural Network (ANN): ...
  • .21 Osman, E.A., O.A. Abdel-Wahhab and M.A. Al-Marhoun , Prediction ...
  • .22 Gharbi, R.B. and A.M. Elsharkawy, Universal Neural Network Based ...
  • .25 Goncalves, C.A., P.K. Harvey, and M.A. Lovell, APPLICATION OF ...
  • .26 Mohaghegh, S.D., et al., Reservoir Cha racterizatio. Through Synthetic ...
  • reservoir cha racterizatio, Journal Nam. Petroleum Engineer International; Journal Volume: ...
  • .28 White, A.C., et al., The Application of ANN for ...
  • .29 Doraisamy, H., T. Ertekin, and A.S. Grader, Key Parameters ...
  • SPE Western Regional Meeting1993 :Anchorage, Alaska. ...
  • .32 Sung, W., et al., Development of the HT-BP Neural ...
  • .33 Shelley, R.F., _ al., Refork Completion Analysis wvith the ...
  • .38 Osman, E.-S.A., Artificial Neural Network Models for Identifying Flow ...
  • .39 Ternyik, I., J., et al.. Virtual Measurement in Pipes: ...
  • .40 Osman, E.-S.A.. M.A. Ayoub, and M.A. Aggour, An Artificial ...
  • .24 Aminian, K., et al., A New Approach for Reservoir ...
  • .27 Arbogast, J.S. and M.H. Franklin, Artificial neural networks and ...
  • .31 Juniardi, I.R. and I. Ershaghi, Complexities of Using Neural ...
  • M.Sc «r earoleum reservoir _ National _ _ (NISOC), Reservoir ...
  • نمایش کامل مراجع