مقاله ساخت نمودارهای خام چاه پیمایی با استفاده ازسیستم های هوشمند

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ساخت نمودارهای خام چاه پیمایی با استفاده ازسیستم های هوشمند دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ساخت نمودارهای خام چاه پیمایی با استفاده ازسیستم های هوشمند  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ساخت نمودارهای خام چاه پیمایی با استفاده ازسیستم های هوشمند،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ساخت نمودارهای خام چاه پیمایی با استفاده ازسیستم های هوشمند :

تعداد صفحات:۱۰

چکیده:

نمودارگیری، یکی از روشهای مهم در اکتشاف و بهر هبرداری نفت و گاز اس ت و شناخت پارامترهای پتروفیزیکی با استفاده از داد ههای چا هپیمایی مستلزم در دسترس قرار گرفتن انواع نمودارهای چاه پیمائی اس ت. با وجود این، بعضاً به دلایل مختلفی ازجمله عدم نمودارگیری، عدم امکان بازخوانی نموداره ا به دلایل کهنک ی و یا شرایط محی طی چا ه، ارائه اب زارهای جدید و عدم امکان راندن آنها در چا ههای قدیم ی، شرایط چاه نظیر داشتن لوله جداری و سیمان و;، کسب این اطلاعات، نیازمند بازسازی و شبیه سازی نمودارهاس ت. یکی از بهت رین روشه ا در این زمینه ، تکنیک شبک ههای عصبی مصنوعی است که در مطال عه حاضر، از این تکنیک برای تخمین و ساخت نمودارهای خام چاه پیمایی مصنوعی استفاده شده است.در این مطالعه، میدانx با سه چاه C و B ،A انتخاب شد و با توجه به مبانی شبک ههای عصبی مصنوعی یک برنامه کامپیوتری بر اساس الگوریتم پس انتشار خطا برای شبکه مورد نظر نوش ته ش د. پس از طراحی شبکه مورد نظر و انجام بررس یهای لازم، پارامترهای مؤثر بر پی شبینی نمودارها با رسم کراس پلا تها تعیین ش د. با انجا م هر یک از مراحل آموزش، آزمایش و آزمون این شبکه، ماتریس داد هها انتخاب گردید و پس از انجام مرحله یادگیری و تنظیم پارامترهای ش بکه (ماتریس وزن و بردار بایا س) این شبکه برای هر یک از چا هها تعمیم داده ش د و درنهای ت نمودارهای ، PEF ، RD ، RHOB ، SGR CGR و DT ، NPHI پی شبینی شده توسط شبکه عصبی مصنوعی با نمودارهای انداز هگیری شده مذکور مقایسه شده و شبکه به میانگین مربعات خطای ۱۰ همگرا گردید.