پیش بینی تراوایی با استفاده از اطلاعات چاه پیمایی و ترکیب تکنیک نوین الگوریتم تکامل تفاضلی و شبکه های عصبی مصنوعی

تراوایی یکی از مهم ترین خواص مخازن هیدروکربنی است. در چند سال اخیر شبکه های عصبی مصنوعی متعددی برای تعیین تراوایی مخزن با استفاده از اطلاعات چاه پیمایی توسعه داده شده اند. مهم ترین اشکال این مدل ها نداشتن ساختار مشخص و قواعد معین برای آموزش و طراحی شبکه عصبی است. علاوه بر طراحی ساختار و آموزش شبکه، انتخاب پارامتر های ورودی مدل نیز تاثیر قابل ملاحظه ای روی دقت پیش بینی شبکه دارد. رایج ترین روش برای تعیین این پارامترها و طراحی ساختار شبکه روش سعی و خطا است. طراحی بهینه شبکه عصبی با این روش دشوار، زمان بر و در بسیاری از موارد غیر ممکن است. در این مقاله از ترکیب الگوریتم تکامل تفاضلی و شبکه عصبی برای پیش بینی تراوایی استفاده می شود. مقایسه نتایج با شبکه عصبی معمولی نشان می دهد استفاده از الگوریتم تفاضل تکاملی تاثیر قابل ملاحظه ای در کاهش خطای مدل دارد

کلیدواژه ها:

تراوایی ، الگوریتم تکامل تفاضلی ، شبکه های عصبی مصنوعی ، بهینه سازی