مقاله تخمین تراوایی موجود در سنگ مخزن با استفاده از شبکه های مصنوعی عصبی

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

  مقاله تخمین تراوایی موجود در سنگ مخزن با استفاده از شبکه های مصنوعی عصبی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تخمین تراوایی موجود در سنگ مخزن با استفاده از شبکه های مصنوعی عصبی  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 تخمین تراوایی موجود در سنگ مخزن با استفاده از شبکه های مصنوعی عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تخمین تراوایی موجود در سنگ مخزن با استفاده از شبکه های مصنوعی عصبی :

تعداد صفحات:۱۲
چکیده:
شبکه های عصبی مصنوعی ترکیبی از عناصر ساده عملیاتی در حالت موازی هستند . این عناصر از سیستم های عصبیبیولوژیکی الهام گرفته شده و براساس مدل های ریاضی شبیه سازی شدهاند شبکه ها دانش تجربی را استفاده می کنند و باانجام محاسبات روی داده های عددی، آنها را ذخیره کرده و مورد استفاده قرار می دهند. روشهای زمین آماری بر پایهکریجینگ که به منظور تخمین مقادیر برای نقاط شبکه در منطقه مورد مطالعه استفاده میشود با نوعی هموارسازی درمقادیر همراه می باشد.هر چند این نوع هموارسازی در بعضی موارد مطلوب باشد ولی در بعضی مطالعات نقش منحرفکنندهای را بازی میکند.حذف یک سری از دادهای دارای مقادیر بالا از نتایج این هموارسازی می باشد. روشهای شبیهسازی سعی در حذف این نوع هموارسازیها می باشد.در مخازن نفتی به علت جریان نفت در مخزن تغییرات زیادی درمخزن رخ میدهد که در روشهایی مثل کریجینگ به علت وجود اثرات نرمکنندگی این نوسانات قابل مشاهده نمی باشد،روش شبیه سازی بسیار مناسب برای این کار می باشد. در این مقاله به بررسی چگونگی تخمین مقادیر تراوایی در محلچاه ها با استفاده از داده های زمین آمار و روش شبکه های عصبی پرداخته می شود.شبکه های عصبی برای حل هر مسئله ای سه مرحله زیر را انجام میدهند:۱ آموزش: فرآیندی که طی آن شبکه، الگوی موجود در ورودی ها را که بصورت مجموعه ای از داده های آموزشیاست، می شناسد . برای این منظور هر شبکه عصبی از مجموعهای از قوانین یادگیری که نحوه یادگیری را تعریف می-کنند، استفاده می نماید.۲ تعمیم: توانایی شبکه برای ارائه جواب قابل قبول در قبال ورودی هایی که در مجموعه آموزشی نبوده اند. ۳ اجرا: استفاده از شبکه برای انجام عملکردی که به آن منظور طراحی شده است.