امکانسنجی پیش بینی پارامتر های چاه پیمایی با استفاده از هوش مصنوعی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنی
  • نویسنده وحید مجردی
  • استاد راهنما مهین شفیعی محمد رنجبر
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1391
چکیده

مدلی که قابلیت تخمین نگار های چاه پیمایی (چاه نگاری) را داشته باشد می تواند به عنوان ابزاری قوی برای راستی آزمایی نگار ها و یا کمک به تفسیر کامل تر داده های چاه پیمایی در مواقعی که امکان ثبت برخی نگارها وجود ندارد مورد استفاده قرار گیرد. هدف از این تحقیق استفاده از روشهای مختلف هوش مصنوعی (رایانش نرم) برای ارائه مدلی به منظور امکان سنجی پیش بینی برخی از نگار های مهم شامل نگار صوتی، نگار نوترون، نگار دانسیته و نگار فتو الکتریک است. بدین منظور ابتدا با تلفیق شبکه عصبی مصنوعی و الگوریتم ژنتیک برای هر یک از این نگار ها، حالت بهینه پارامتر ها ی مورد نیاز به منظور مدل سازی شناسایی شد و سپس با استفاده از روش های مختلف منطق فازی نگار ها پیش بینی شدند. نتایج حاصل از این تحقیق نشان می دهد که با استفاده از روش های محاسبات نرم نگار های نوترون ، صوتی با دقت بالایی قابل پیش بینی و تعمیم هستند. نگار دانسیته نیز در حالتی کلی با دقت بالا قابل پیش بینی بوده ولی قابلیت تعمیم پذیری مدل ساخته شده بااین روش به منظور پیش بینی داده های یک چاه جدید پایین می باشد. همچنین پیش بینی ها برای نگار فتو الکتریک به طور کلی توام با خطای بالا بوده ونتایج آن قابل اتکا نیست. مقایسه نتایج به دست آمده از انواع مدل های فازی نشان داد مدل سازی به روش anfis بهترین دقت پیش بینی را در غالب موارد دارد. در مدل سازی به صورت fuzzy c means clustering استفاده از روشsugeno نتایج بهتری را نسبت به روش mamdani در پی دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی میزان صادرات خرمای ایران با استفاده ازروش های اقتصادسنجی و هوش مصنوعی

در این مطالعه با استفاده از روش­های اقتصادسنجی ARMA ، GARCH  و روش­های هوش محاسباتی، شبکه­ی عصبی مصنوعی و الگوریتم ژنتیک اقدام به پیش­بینی میزان صادرات خرمای ایران برای دوره­ی 1395-1389 شد. به­منظور انجام بررسی­ها از داده­های مربوط به دوره­ی زمانی 1388-1346 استفاده گردید. از داده­های دوره­ی 1384-1346 به­منظور مدل­سازی و از داده­های 4 سال آخر برای بررسی قدرت پیش­بینی استفاده شد. نتایج مطالعه نشا...

متن کامل

پیش بینی نفوذپذیری از روی داده های چاه نگاری با استفاده از شبکه های عصبی مصنوعی در یکی از مخازن کربناته جنوب ایران

تخمین نفوذپذیری از روی داده های چاه نگاری، یک مرحلهء اساسی در مهندسی مخزن و ارزیابی سازنده است. تحقیقی که در این جا عرضه می شود، نوعی مدل سازی شبکه های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای پیش بینی نفوذپذیری، در یکی از مخازن کربناته جنوب ایران است. در این تحقیق دو شبکه پس انتشار سه لایه، برای پیش بینی نفوذپذیری، مورد استفاده قرار گرفت. شبکه او ل، نگارهای نوترون، چگالی، صوتی و پرتو ...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023