مقایسه کارکرد مدلهای ELM و RBF برای برآورد تخلخل سازند آسماری، در یکی از میدان های فراکرانهای شمال باختری خلیج فارس
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 31
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSSR-39-2_003
تاریخ نمایه سازی: 18 فروردین 1403
چکیده مقاله:
امروزه بهرهگیری از هوش مصنوعی برای افزایش دقت مطالعه و نزدیک بودن به واقعیت، بسیار متداول است و در صنعت نفت، برای افزایش دقت بررسی و شناخت رابطه میان پارامترهای گوناگون به کار میرود. هدف اصلی این پژوهش، مقایسه کارکرد دو روش ماشین یادگیری حدی (ELM) و شبکه عصبی شعاع مبنا (RBF) در مدلسازی ایستایی نفت، تخلخل است. داده های ۷ حلقه چاه میدان فراکرانه ای هندیجان، واقع در کرانه شمال باختری خلیج فارس بررسی شد. در این راستا، با بهرهگیری از نشانگرهای لرزه ای پس از برانبارش، که رابطه معنی داری با تخلخل دارند، و نمودار تخلخل هر چاه، کارکرد شبکه های ELM و RBF در شرایط یکسان تنظیم و مقایسه شد. سرانجام آشکار شد که ELM کاملا به مجموعه دادهها حساس است و برای تهیه نقشه (کمی) به نقاط داده بیشتری نیاز دارد، اما ازنظر ردهبندی (کیفی) از RBF بهتر است. از سوی دیگر، RBF یکی از تواناترین الگوریتمها در نقشه برداری است، به ویژه در شمار کم دادهها و برای دیگران چالش برانگیز است.
کلیدواژه ها:
نویسندگان
فرشاد توفیقی
کارشناس ارشد گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران
پرویز آرمانی
دانشیار گروه زمین شناسی، دانشکده علوم، دانشگاه بین المللی امام خمینی، قزوین، ایران
علی چهرازی
مدیر طرح های اکتشافی، شرکت فلات قاره، تهران، ایران
اندیشه علی مرادی
استادیار گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :