تعداد نشریات | 42 |
تعداد شمارهها | 1,537 |
تعداد مقالات | 12,635 |
تعداد مشاهده مقاله | 26,002,435 |
تعداد دریافت فایل اصل مقاله | 10,693,335 |
مقایسه کارکرد مدل های ELM و RBF برای برآورد تخلخل سازند آسماری، در یکی از میدانهای فراکرانه ای شمال باختری خلیج فارس | ||
پژوهش های چینه نگاری و رسوب شناسی | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 25 مهر 1402 | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22108/jssr.2023.137083.1256 | ||
نویسندگان | ||
پرویز آرمانی* 1؛ علی چهرازی2؛ اندیشه علی مرادی3؛ فرشاد توفیقی4 | ||
1گروه زمین شناسی دانشکده علوم پایه دانشگاه بین المللی امام خمینی | ||
2پژوهشگاه صنعت نفت | ||
3گروه مهندسی معدن، دانشکده فنی، دانشگاه بین المللی امام خمینی | ||
4گروه معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی | ||
چکیده | ||
امروزه بهره گیری 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 می رود. هدف اصلی این پژوهش، مقایسه کارکرد دو روش ماشین یادگیری حدی (ELM) و شبکه عصبی شعاع مبنا (RBF) در مدل سازی ایستایی نفت، تخلخل می باشد. داده های 7 حلقه چاه میدان فراکرانهای هندیجان واقع در کرانه شمال باختری خلیج فارس مورد بررسی قرارگرفت. در این راستا، با بهره گیری از نشانگرهای لرزهای پس از برانبارش که رابطه معنی داری با تخلخل دارند، به تنظیم و مقایسه کارکرد شبکههای ELM و RBF در شرایط یکسان پرداخته شد. سرانجام آشکار شد که ELM کاملاً به مجموعه داده ها حساس است و برای تهیه نقشه (کمی) به نقاط داده بیشتری نیاز دارد، اما از نظر رده بندی (کیفی) از RBF بهتر است. از سوی دیگر، RBF یکی از تواناترین الگوریتم ها در نقشه برداری است، به ویژه در شمار کم داده که میتواند برای دیگران چالش برانگیز باشد. | ||
کلیدواژهها | ||
ELM؛ RBF؛ تخلخل؛ نشانگرهای لرزهای؛ میدان فراکرانهای | ||
آمار تعداد مشاهده مقاله: 34 |