برآورد تخلخل سازند گازی کنگان در میدان پارس جنوبی با استفاده از ماشین کمیته ای متشکل از شبکه های عصبی مصنوعی منفرد آموزش‌دیده به روش مرتب سازی

Authors

ابوالقاسم کامکار روحانی دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

محمود ذاکری دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

Abstract:

برای به دست آوردن نتایج دقیقتر از به کارگیری روش شبکههای عصبی مصنوعی، به جای انتخاب نتایج بهترین شبکه حاصل از فرایند سعی و خطا، نتایج چندین شبکه به روشی مناسب با هم ترکیب شده است تا شاید سامانه چندشبکهای حاصل، که از آن با عنوان ماشین کمیتهای تعبیر میشود، خطا را کاهش و درنتیجه، دقت را افزایش دهد. در این پژوهش، برای برآورد تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربنی پارس جنوبی، از ترکیب آنسامبلی شبکههای عصبی مصنوعی که نوعی ماشین کمیتهای با ساختار موازی است، استفاده شده است. به این منظور، دادههای نگارهای صوتی، چگالی، پرتو گاما و تخلخل نوترونی به عنوان ورودی شبکهها و تخلخل مؤثر به عنوان خروجی شبکهها از 4 چاه این میدان در بازۀ عمقی سازند کنگان انتخاب شدند. شبکههای عصبی پسانتشار خطا با ساختارهای متفاوت به روش مرتبسازی آموزش داده شد و توان تعمیم آنها ارزیابی شد. آنگاه شبکه‌هایی که بهترین نتایج، یعنی کمترین میانگین مربعات خطای برآورد در مرحله آزمون را داشتند، برای ساخت ترکیبهای آنسامبلی انتخاب شدند. برای تعیین ضرایب شبکههای جزء ترکیبهای آنسامبلی خطی، سه روش میانگینگیری ساده، روش ترکیب خطی بهینه هاشم و روش غیرتحلیلی ترکیب خطی بهینه با استفاده از الگوریتم ژنتیک به کار برده شده و نتایج آنها با هم مقایسه شد. از مقایسه نتایج ترکیبها با بهترین شبکه عصبی مصنوعی منفرد حاصل، مشخص شد که بهترین ترکیب آنسامبلی حاصل، ترکیبی چهارشبکهای است که ضرایب شبکههای جزءِ آن با استفاده از الگوریتم ژنتیک تعیین شده است. این ترکیب توانسته میانگین مربعات خطای برآورد الگوهای آموزش و آزمون را به ترتیب 6/3 درصد و 2/11 درصد نسبت به بهترین شبکه عصبی منفرد کاهش دهد.

Upgrade to premium to download articles

Already have an account?login

similar resources

برآورد نفوذپذیری میدان گازی پارس جنوبی با استفاده از شبکه عصبی رگرسیون عمومی

نفوذپذیری یکی از ویژگی‌‌های بسیار مهم مخازن نفتی است که قابلیت انتقال یک شاره مانند نفت، گاز و یا آب را درفضاهای خالی موجود در سنگ مخزن نشان می‌‌دهد. تعیین نفوذپذیری در فرایندهایی چون برآورد ذخیره، تولید و توسعه مخازن نفتی، جایگاه خاصی دارد. در صنعت نفت معمولاً روش استاندارد برای تعیین نفوذپذیری، آنالیز مغزه و آزمایش چاه است. این روش‌ها بسیار پُرهزینه‌اند. از طرفی همه چاه‌‌های یک میدان دارای مغزه...

full text

برآورد تخلخل سنگ مخزن با استفاده از ترکیب آنسامبلی خطی شبکه‌های عصبی مصنوعی منفرد براساس روش‌های تحلیلی و الگوریتم ژنتیک

ترکیب آنسامبلی شبکه‌های عصبی مصنوعی نوعی از ماشین کمیته‌ای با ساختار موازی است که خروجی شبکه‌های منفرد را با هدف تلفیق اطلاعات حاصل از هریک از آنها و در نتیجه دست‌یابی به نتیجه بهتر ترکیب می‌کند. در این تحقیق از ترکیب آنسامبلی شبکه‌های عصبی مصنوعی منفرد به منظور برآورد تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربوری پارس جنوبی استفاده شده است. داده‌های چاه‌نگاری 4 چاه این میدان در بازه...

full text

تخمین تخلخل نگار NMR از نشانگرهای لرزه‌ای با استفاده از رگرسیون خطی و شبکه عصبی مصنوعی در میدان گازی پارس جنوبی

full text

برآورد نفوذپذیری میدان گازی پارس جنوبی با استفاده از شبکه عصبی رگرسیون عمومی

نفوذپذیری یکی از ویژگی های بسیار مهم مخازن نفتی است که قابلیت انتقال یک شاره مانند نفت، گاز و یا آب را درفضاهای خالی موجود در سنگ مخزن نشان می دهد. تعیین نفوذپذیری در فرایندهایی چون برآورد ذخیره، تولید و توسعه مخازن نفتی، جایگاه خاصی دارد. در صنعت نفت معمولاً روش استاندارد برای تعیین نفوذپذیری، آنالیز مغزه و آزمایش چاه است. این روش ها بسیار پُرهزینه اند. از طرفی همه چاه های یک میدان دارای مغزه نی...

full text