پیش بینی درصد اشباع آب سازند با استفاده از داده های پتروفیزیکی با تمرکز روی گوناگونی خبره ها
نویسنده:
چکیده:
پیش بینی پارامترهای پتروفیزیکی مخازن با استفاده از تکنیک یادگیری دسته جمعی، توجه بسیاری از محققین را به خود جلب نموده است. در تمامی فعالیت های انجام شده با روش مذکور، انتخاب خبره های مجموعه یادگیری، فقط بر اساس عملکرد و دقت نتایج خروجی آن ها انجام گردیده است. لذا، یکی از نکاتی که در استفاده از این روش تاکنون به آن توجه نشده،گوناگونی خبره های تشکیل دهنده مجموعه یادگیری فوق است که تا حد زیادی در بهبود و موفقیت نتایج پیش بینی موثر است. از این رو، هدف این مقاله اهتمام به این پارامتر و تمرکز روی آن در انتخاب اعضای مجموعه یادگیری دسته جمعی است. در این راستا، مجموعه ای متشکل از تعداد 100 خبره از نوع شبکه عصبی مصنوعی با روش یادگیری LM و با دستکاری در داده های ورودی، تشکیل شده است. سپس چهار روش اندازه گیری گوناگونی خبره ها معرفی و با استفاده از آنها، خبره های با گوناگونی بالاتر جهت عضویت درمجموعه هرس شده نهایی انتخاب گردیدند. نتایج حاصل از اعمال روش پیشنهادی، روی داده های چاه پیمایی جهت پیش بینی اشباع آب مخزن تحت مطالعه، نشان دهنده موفقیت عملکرد آن در مقایسه با مجموعه یادگیری اولیه است
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
68 تا 74
لینک کوتاه:
magiran.com/p1226582
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!