کاربرد شبکه‌های عصبی RBF و PNN در تعیین رخساره های یکی از میدان‌های گازیجنوب ایران

نویسندگان

علی اکبر کاکویی پردیس دانشکده های فنی، دانشکده مهندسی شیمی، انستیتو مهندسی نفت، دانشگاه تهران، تهران، ایران

محسن مسیحی دانشگاه صنعتی شریف، دانشکده مهندسی شیمی و نفت، تهران، ایران

محمد شیرانی دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه مهندسی نفت، تهران، ایران

چکیده مقاله:

یکی از مراحل اساسی در تعیین و توصیف ویژگی‌های زمینشناسی و مهندسی یک مخزن، تعیین رخسارههای مختلف سنگهای آن مخزن توسط دادههای حاصل از عملیات چاهنگاری و مغزهگیری است. در این تحقیق در نظر است با استفاده از شبکههای عصبی RBF و PNN ، رخسارههای میدان گازی پارسجنوبی برای کاربرد کلان‌تر در مدل‌سازی استاتیک و دینامیک مخزن، تعیین و شناسایی شود. روشهای یادشده برای اولین‌بار در تعیین رخسارههای سنگی در میدان‌های ایران استفاده شده است. در این مطالعه از پارامترهای هدف وگسترش شبکههای مذکور در بهبود عملکرد آن شبکهها استفاده شده است. در این راستا، بهبود عملکرد شبکه با استفاده از پارامترهای یادشده نشان داد که مقادیر بهینه عدد گسترش و هدف، به ترتیب بین 01/0 تا 10 و 02/0 تا 04/0 متغیر است. نتیجة حاصل از به کارگیری این روشها، نشان داد که شبکههای عصبی توانایی بالایی در تعیین رخسارهها دارند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تعیین گونه های سنگی سازند آسماری با تلفیق رخساره های الکتریکی و روش وینلند با استفاده از نرم افزار ژئولاگ در یکی از میادین نفتی جنوب غرب ایران

متن کامل

استفاده از الگوریتم نقشه های خودسازمانده1 جهت شناسایی رخساره های کانالی در یکی از میادین نفتی ایران

متن کامل

یادگیری در شبکه های عصبی rbf و کاربرد های آن

یکی از مهم ترین کارکرد های شبکه ها ی عصبی ‎rbf ‎، در تقریب و طبقه بندی توابع می باشد. این شبکه ها توانایی تقریب سراسری را دارند. از آن جایی که شبکه های ‎‎rbf‎ یک ساختار ساده و در عین حال یک فرایند آموزشی بسیار سریعی دارند، جای گزین مناسبی برای شبکه های پرسپترون چندلایه شناخته شده اند. در این پایان نامه یک بررسی جامع از شبکه های‎ rbf ‎ و یادگیری آن ها ارائه می شود. در یادگیری شبکه ها ی ‎ rbf ‎ س...

مقایسه کارآیی شبکه های عصبیMLP،RBF،PNN وGRNN در مطالعات اکتشافی ذخایر مس پورفیری به منظور تعیین نقاط حفاری در GIS

حفاری در اکتشاف معادن، فرایندی پرهزینه و زمان‌بر و با مشکلات بسیاری همراه است. از این رو تعیین نقاط حفاری در مطالعات تفصیلی اکتشاف ذخایر معدنی اهمیت ویژهای دارد است.تعیین نقاط بهینه حفاری بهمنظور کاهش هزینه و ریسک فرایند حفاری از راه در نظر گرفتن کلیه شرایط پیچیده حاکم بر شکلگیری ذخایر معدنی و تلفیق عامل‎های مؤثر بر کانیسازی انجام میشود.با...

متن کامل