استفاده از شبكه عصبي مركب (Committee Machine) نظارت شده جهت بهبود الگوريتم شبكه هاي عصبي در تخمين تراوايي مخازن نفتي

چكيده
تراوايي مخزن يك پارامتر حياتي ب ر اي ارزيابي هيدروكربور مخزن نفتي م ي باشد. نمودارهاي چاه پيمايي زيادي در ارتباط با اينپارامتر در چاه ها وجود دارند . در اين مطالعه تخمين تراوايي با استفاده از اين نمودارها و شبكه هاي عصبي صورت گرفته اس ت .نظارت شده است. بدليل بازه ي وسيع و (Committee Machine (CM)) شبكه عصبي بكار گرفته شده، يك شبكهي مركبچند جامعهاي بودن مقادير تراوايي ، هر يك از شبك ه هاي معمولي اين شبكه ي مركب با يك ديدگاه آماري، از دو شبك ه جهتاست كه در حقيقت نقش كلاسه - Gating تخمين تراوايي در باز ه ي تراوايي بالا و پائين استفاده م ي كند. شبكه سوم يك شبك ه يبندي داده هاي ورودي را به دو كلاس تراوايي بالا و پائين بر عهده دارد و به عنوان تصميمگيرنده عمل ميكند. شبكه حاضر برروي داده هاي از يك مخزن نفتي در جنو ب غرب ايران پياده سازي گرديد . تعداد داده هاي موجود براي اين پروژه 210 نمونه بوده،كه به دليل تعداد اندك اين داد ه ها از 80 % آنها براي آموزش و از 20 % مابقي براي اعتبارسنجي و تست شبكه استفاده ش د . نتايج97 درصدي در نمودار تراوايي تخميني در مقابل تراوايي انداز ه گيري شده اس ت . / حاكي از ضريب تبيين 86 CM شبكهي مركب84 درصدي از خود نشان مي دهد . / اين در حالي است، كه شبكهي عصبي معمولي بهينه شده در بهترين حالت ضريب تبيين 14مقايسهي اين مقادير نشاندهندهي قدرت و كارايي بالاي شبكههاي تركيبي نظارت شده در تخمين تراوايي مخازن نفتي ميباشد.

كلمات كليدي :

شبكه عصبي . شبكه عصبي مركب (Committee Machine)CM . نظارتشده . تخمين تراوايي . مخازن نفتي

نشریه علمی پژوهشی مهندسی معدن (1392)

برای دانلود به ادامه مطلب بروید

بهينه يابي زهكش مايل و افقي در سدهاي خاكي همگن

خلاصه
موضوع تحقيق حاضر يافتن ابعاد بهينه زهكش افقي و مايل در سدهاي خاكي همگن كوتاه مي باشد. در اين تحقيق تعداد 360 سد خاكي همگن باارتفاع و سيستم زهكشي مايل و افقي مختلف مدل شده است. در اين مدلها متغيرها شامل ابعاد هندسي سد و زهكشها و نفوذپذيري و پارامترمحاسباتي، ضريب اطمينان پايداري بوده است. در نهايت يك شبكه عصبي با تعداد 4 لايه (دو لايه ورودي و خروجي و دو لايه مخفي) با آرايش4 جهت تخمين ابعاد زهكشها و زاويه بين آنها تهيه شده است. نتايج نشان داد كه طول بهينه زهكش افقي در محدوده اي بين طولي -3-9- بهينه 2برابر با ارتفاع سد و 25 درصد بيش از آ ن و طول بهينه زهكش مايل برابر با نصف ارتفاع آب در مخزن سد م يباشد. همچنين زاويه بهينه بينزهكشها با افزايش ارتفاع سد از 10 تا 25 متر، از 90 درجه تا 135 درجه افزايش و پس از آن با افزايش ارتفاع تا 30 متر مجدداً تا 90 درجه كاهش مي يابد.

كلمات كليدي :

سد خاكي همگن . زهكش افقي . زهكش مايل . سيستم زهكش بهينه . شبكه عصبي

پنجمین کنگره ملی مهندسی عمران (1389)

پيش بيني نشست شمع ها تحت اثر بار محوري به كمك شبكه هاي عصبي مصنوعي و بر اساس نتايج حاصل از آزمايش SPT

خلاصه
نشست فنداسيون هاي عميق (شمع ها) در اثر كاهش حجم لايه هاي زيرين خاك، ناشي از افزايش تنش ايجاد مي شود.نشست هاي آني فنداسيو نهاكه بلافاصله پس از اعمال بار ايجاد مي شوند باعث ايجاد تغيير شك لهاي سريع در سازة متصل به آن ها شده و در نهايت ممكن است باعث انهدامسازه شوند، لذا علاوه بر محاسبة ظرفيت باربري شم عها پيش بيني نشست شمع ها نيز عامل مؤثر در طراحي خواهد بود. اغلب روش هاي موجود برايمحاسبه نشست شم عها با يكسان نمودن فرضياتي كه در نشست مؤثر م يباشند مسئله را ساده تر كرد هاند. بنابراين در روش هاي متفاوت پيش بينينشست، سازگاري وجود ندارد. در نتيجه روش هاي ديگري مورد نياز بوده كه بتواند به محدودي تهاي روش هاي موجود غلبه نموده و دقت كافي رادر پيش بيني نشست دارا باشد. در اين مقاله يك روش براي پي شبيني دقيق تر نشست شمع ها كه فقط براساس داده ها استوار است، ارائه شده است.معروف است. مدل ارائه (ANNs) روشي كه به طور موفقيت آميز در مسايل ژئوتكنيك مورد استفاده قرار گرفته و به شبكه هاي عصبي مصنوعي SPT شده بر اساس داده هاي حاصلاز آزمايش آموزش داده مي شود.

كلمات كليدي:

نشست شمع . آزمايش SPT . آزمايش بار گذاري شمع . شبكه عصبي .

پنجمین کنگره ملی مهندسی عمران (1389)

برآورد پارامتر S در معيار هوك-براون براي سنگهاي ناهمسانگرد با استفاده از شبكه عصبي مصنوعي

خلاصه
از متداولترين معيارهاي مورد استفاده محققين براي برآورد مقاومت فشاري سنگها معيار هوك-براون است. اين معيار در سنگهاي ناهمسانگردمربوط به زواياي مختلف S كمتر استفاده شده است. در اين تحقيق از نتايج آزمايشهاي سه محوري ساير محققين استفاده شده است تا پارامتربراي سنگهاي ناهمسانگرد S ناهمسانگردي براي هر نوع سنگ بطور جداگانه بهدست آيد. در اين مقاله از شبكه عصبي براي تقريب زدن پارامتربهعنوان خروجي درنظر گرفته S استفاده شده است. شاخص ناهمسانگردي، زاويه درزه و مقاومت فشاري تك محوري بهعنوان ورودي و پارامتر شدهاند. نتايج دقت مناسب شبكه عصبي را در برآورد اين پارامتر نشان ميدهد.

كلمات كليدي:

معيار هوك-براون . شبكه عصبي . سنگهاي ناهمسانگرد . شاخص ناهمسانگردي . زاويه درزه

پنجمین کنگره ملی مهندسی عمران (1389)

تخمين موج برشي از نگارهاي پتروفيزيكي با استفاده از روابط تجربي و شبكه عصبي MLP مطالعه موردي: يكي از چاههاي ميدان نفتي آبتيمور

خلاصه
هزينههاي پايين و پيوستگي اطلاعات دريافتي از نگارهاي پتروفيزيكي در مقابل هزينههاي بالاي برداشت مغزه و عدم پيوستگي اطلاعات حاصل ازنتايج آزمايشگاهي، استفاده از نگارهاي پتروفيزيكي را براي آگاهي از خواص مكانيكي سنگ مخزن در اولويت قرار داده است. از ميان نگارهايپتروفيزيكي، سرعت موج برشي همراه با سرعت موج فشاري اطلاعات دقيقي از خواص ژئومكانيكي سنگ ارائه ميدهند. به دليل هزينهبر بودنبرداشت نگار صوتي برشي، در تعداد محدودي از چاههاي ميدان نفتي اين اطلاعات موجود است. لذا تلاشهاي متعددي براي تخمين موج برشي ازروي نگارهاي پتروفيزيكي صورت گرفته است. در مقاله حاضر براي تخمين موج برشي از نگارهاي نوترون، دانسيته، موج فشاري، گاما و عمق استفادهشد. بدين منظور؛ ابتدا از سه رابطه تجربي پيكت ( 1963 )، كاستاگنا ( 1993 ) و بروچر ( 2005 ) براي تخمين موج برشي استفاده شد. سپس شبكهبا سه لايه پنهان براي تخمين موج برشي به كار برده شد. اطلاعات مورد استفاده در اين مطالعه شامل 1042 نقطه (MLP) عصبي پرسپترون چند لايهحاكي از MLP داده از چاهي در ميدان آبتيمور ميباشد كه در سازند سروك واقع شده است. نتايج بكارگيري مدلهاي تجربي و شبكه عصبي،0/ كارايي خوب شبكه عصبي در تخمين موج برشي است. ضريب همبستگي براي سه مدل تجربي پيكت، كاستاگنا و بروچر به ترتيب برابر 8380 حاصل شد كه نشان ميدهد مدل تجربي بروچر براي چاه مورد مطالعه بهتر از دو مدل ديگر عمل ميكند. / 0 و 948 / عصبي در دو مرحله آموزش و آزمون به ترتيب 967 ضريب تعيين براي شبكه / 0/845 و 8460 حاصل شد.

كلمات كليدي:

شبكه عصبي . روابط تجربي . تخمين موج برشي . نگارهاي پتروفيزيكي

پنجمین همایش بین المللی مهندسی ژئوتکنیک و مکانیک خاک (1395)

تخمين موج برشي از نگارهاي پتروفيزيكي با استفاده از روابط تجربي و شبكه عصبي MLP مطالعه موردي: يكي از چاههاي ميدان نفتي آبتيمور

خلاصه
هزينههاي پايين و پيوستگي اطلاعات دريافتي از نگارهاي پتروفيزيكي در مقابل هزينههاي بالاي برداشت مغزه و عدم پيوستگي اطلاعات حاصل از نتايج آزمايشگاهي، استفاده از نگارهاي پتروفيزيكي را براي آگاهي از خواص مكانيكي سنگ مخزن در اولويت قرار داده است. از ميان نگارهايپتروفيزيكي، سرعت موج برشي همراه با سرعت موج فشاري اطلاعات دقيقي از خواص ژئومكانيكي سنگ ارائه ميدهند. به دليل هزينهبر بودن برداشت نگار صوتي برشي، در تعداد محدودي از چاههاي ميدان نفتي اين اطلاعات موجود است. لذا تلاشهاي متعددي براي تخمين موج برشي ازروي نگارهاي پتروفيزيكي صورت گرفته است. در مقاله حاضر براي تخمين موج برشي از نگارهاي نوترون، دانسيته، موج فشاري، گاما و عمق استفاده شد. بدين منظور؛ ابتدا از سه رابطه تجربي پيكت ( 1963 )، كاستاگنا ( 1993 ) و بروچر ( 2005 ) براي تخمين موج برشي استفاده شد. سپس شبكه با سه لايه پنهان براي تخمين موج برشي به كار برده شد. اطلاعات مورد استفاده در اين مطالعه شامل 1042 نقطه (MLP) عصبي پرسپترون چند لايهحاكي از MLP داده از چاهي در ميدان آبتيمور ميباشد كه در سازند سروك واقع شده است. نتايج بكارگيري مدلهاي تجربي و شبكه عصبي  ،0/ كارايي خوب شبكه عصبي در تخمين موج برشي است. ضريبهمبستگي براي سه مدل تجربي پيكت، كاستاگنا و بروچر به ترتيب برابر 838 حاصل شد كه نشان ميدهد مدل تجربي بروچر براي چاه مورد مطالعه بهتر از دو مدل ديگر عمل ميكند. ضريب تعيين براي شبكه / 0/845 و 846  حاصل شد.

كلمات كليدي:

شبكه عصبي . روابط تجربي . تخمين موج برشي . نگارهاي پتروفيزيكي

نویسندگان :

محمد انه منگلي ، احمد رمضانزاده ، بهزاد تخمچي

پنجمین همایش بین المللی مهندسی ژئوتکنیک و مکانیک خاک (1395)

قابليت هاي استفاده از شبكه هاي عصبي مصنوعي در مدلسازي هندسي توده سنگ هاي معدن چغارت( مطالعه موردي: بلوک تكتونيک I درزه دار )

ناپيوستگي ها به عنوان يکي از مهمترين عوامل آنيزتروپي وناهمگني درتوده های سنگي محسوب مي شوند و تاثير عميقي در رفتار مکانيکي و هيدورليکي اين محيط ها دارند. از این رو مدلسازی شبکه هندسي ناپيوستگيها در توده سنگهای درزهدار مرتبط با پروژههای عمراني، معدني و مهندسي نفت ضروری ميباشد. روش های استفاده شده شبيهسازی شبکه ناپيوستگي های توده سنگهای درزهدار شامل روش قطعي، آماری و زمين آماری مي باشند. در روشهای آماری توابع توز یع پارامترهای ناپيوستگيها مورد توجه قرار مي گيرند. تصادفي در نظر گرفتن متغييرهاو عدم توجه به ويژگي فضايي پارامترهای ناپيوستگيها در توده سنگ مهمترين عيب اين روش مي باشد. پارامترهای هندسي درزهها ميتوانند توسط روشهای زمين آماری به حسب وجود خودهمبستگي و يا وابستگي فضايي بين آنها مورد تخمين قرار گيرند. علي رغم مزايای اين روش، زمين آمار نيازمند اطلاعات زياد توزيع شده در توده و دقت بالا در واريوگرافي و تخمين است كه معمولا دسترسي به آن پر هزينه و پيچيده مي باشد. امروزه روش شبکه عصبي به عنوان يک تخمين گر قدرتمند توانسته است پيچيدگي های ارتباط بين اين پارامتر ها را مدل سازی نمايد و نتايج حاصل از تخمين پارامترهای هندسي بلوک تکتونيکي يک معدن چغارت با استفاده از روش شبکه عصبي حاكي از آن است كه اين تکنيک با عبور از مشکلات و پيچيدگي های تخمين بروش زمين آماری و تنها با استفاده ازمحاسبات ساده الگوی توزيع پارامترهای هندسي را شناخته وبا دقتي بالاتر از زمين آمار به تخمين آنها پرداخته است. لذا استفاده از شبکه عصبي در مدلسازی و تخمين پارامترهای هندسي ناپيوستگي ها پيشنهاد مي گردد.

کلمات کليدي:

پارامترهاي هندسي ناپيوستگي ها، شبكه عصبي، مدلسازي هندسي ، واريوگرافي، زمين آمار

نویسندگان :

منصور قاصدزاده (دانشجوي کارشناسي ارشد مكانيك سنگ ، دانشگاه آزاد اسلامي واحد بافق)

عليرضا يار احمدي بافقي (استاديار و عضو هيئت علمي دانشكده مهندسي معدن و متالورژي، دانشگاه يزد)

اولین کنفرانس ملی مهندسی ژئوتکنیک ایران (1392)

كاربرد شبكه عصبي مصنوعي در پيش بيني رفتار خاك هاي متورم شونده رسي

در اين تحقيق از روشي نوين با بكارگيري قابليت شبكه عصبي مصنوعي براي پيش بيني رفتار خاك هاي متورم شونده رسي استفاده شده است. در اين روش داده ها با استفاده از انواع آرايش شبكه هاي چند لايه پرسپترون، كه از پركاربردترين نوع شبكه هاي عصبي مي باشد مدل شده اند. نتايج حاصل از اين شبكه ها بر اساس شاخص هاي ارزيابي معرفي گرديده و با يكديگر قياس شده اند كه منجر به انتخاب بهترين آرايش شبكه از لحاظ دقت و كاربرد گرديده است. . لازم به ذكر است كه پارامترهاي رطوبت، انديس خميري، حد رواني، حد خميري، دانسيته خشك و درصد ريزدانه خاك بعنوان پارامتر هاي ورودي و پارامتر هاي فشار تورم و درصد تورم آزاد، هريك بطور جداگانه بعنوان پارامتر خروجي در نظر گرفته شده است. خاك هاي در نظر گرفته شده براي اين شبكه بدليل اينكه از مناطق مختلفي مي باشند، لذا شبكه عصبي فوق قابليت پيش بيني رفتار تورمي انواع خاكهاي رسي را دارا مي باشد. همچنين جهت آموزش سيستم شبكه هاي عصبي مورد تحقيق، از نتايج پژوهشهاي قبلي، دادهاي خام مهندسين مشاور ژئوتكنيك و پايانامه هاي موجود در زمينه خاكهاي متورم شونده استفاده گرديده است.

كلمات كليدي:

تورم، خاكهاي رسي، شبكه عصبي، پرسپترون، پارامترهاي ورودي و خروجي

نویسندگان :

حامد كمك پناه (كارشناس ارشد مهندسي عمران-خاك و پي،دانشكده فني و مهندسي، دانشگاه تربيت مدرس)

سيد شهاب الدين يثربي (استاديار بخش عمران، دانشكده فني و مهندسي، دانشگاه تربيت مدرس، تهران)

علي اكبر گلشني (استاديار بخش عمران، دانشكده فني و مهندسي، دانشگاه تربيت مدرس، تهران)

چهارمين همايش بين المللي مهندسي ژئوتكنيك و مكانيك خاك ايران (1389)

پيش بيني خرد شدگي در معادن روباز؛ يك مدل فازي

در مهندسي انفجار خردشدگي يك مسئله كاربردي است كه به نوع استفاده از سنگ بستگي دارد . در معادن روباز ميزان خردشدگي تاثير زيادي را بر هزينه هاي واحد فرآيندهاي پايين دست، از جمله بارگيري، باربري و سنگ شكني دارد . از اينرو پيش بيني خردشدگي و انتخاب الگوي انفجار بر اساس آن به كاهش هزينه هاي ذكر شده منجر خواهد شد . پارامترهاي موثر بر خردشدگي (مشخصات سنگ، ويژگي هاي ماده منفجره و الگوي انفجار ) اغلب دقيق نبوده و همچون ساير زمينه هاي مرتبط با سنگ، همواره درجه اي از عدم قطعيت در آن ديده مي شود . بطوريكه كوشش هاي گذشته براي پيش بيني آن معمولا به ساده سازي مسئله و حذف اين عدم قطعيت منجر شده است . در اين پژوهش سعي شده است تا با پذيرش ابهام موجود در مسئله، با ايجاد يك مدل فازي با پارامترهاي ورودي شامل : بارسنگ، نسبت فاصله داري بر بار سنگ، نسبت طول چال بر بار سنگ، نسبت طول گل گذاري بر بارسنگ، تعداد رديف، خرج ويژه، سرعت انفجار ماده منفجره، نسبت خرج بر تاخير، انديس قابليت انفجار و آبداري چال، پارامترهاي تابع توزيع رزين راملر بعنوان خروجي هاي مدل پيش بيني شوند . در ادامه مدل تهيه شده به كمك داده هاي حاصل از آناليز تصويري،تهيه شده از دو معدن سنگ آهن گل گهر و مس سرچشمه توسط مولفين، و شبكه عصبي - فازي بهينه سازي شده است . نتايج ارزيابي مدل فازي، در مقايسه با مدلهاي تحليلي همبستگي بيشتري را با داده هاي آناليز تصويري نشان داده است كه قابليت مدل فازي را در اين زمينه به اثبات مي رساند .

كلمات كليدي:

مهندسي انفجار، معادن روباز، خردشدگي، سيستم فازي، شبكه عصبي- فازي

سومين كنفرانس مكانيك سنگ ايران-1386

نويسند‌گان:

محمدعلي ابراهيمي فرسنگي  - استاديار بخش مهندسي معدن ; دانشگاه شهيد باهنر كرمان

بررسي كاربرد شبكه‌هاي عصبي در پيش بيني ابعاد سنگ پس از انفجار

امروزه شبكه هاي عصبي ابزاري قدرتمند براي حل مسائل پيچيده از قبيل تخمين، تشخيص الگو و طبقهبندي انواع متغيرها هستند . در اين مقاله با هدف پيشبيني ابعاد سنگ خرد شده پس از انفجار با استفاده از يك شبكه عصبي چند لايه با الگوريتم آموزش پس انتشار، ابتدا تواناييهاي تئوري شبكه عصبي در تعيين ميزان خردشدگي سنگ پس از انفجار بررسي شده است . سپس با بهرهگيري از شبكههاي عصبي و با استفاده از نرمافزار Matlab ، مدلي ارائه شده كه بتواند ميزان خردشدگي سنگ پس از انفجار را تخمين بزند . در نهايت با استفاده از روشهاي آناليز تصويري و مدلهاي تجربي پيشبيني خردايش از قبيل مدل لارسون، روزين - راملر و كازرم ميزان دقت پيش - بيني مدل مورد ارزيابي قرار گرفته و اعتبارسنجي مدل نيز براساس ميانگين مربعات خطا انجام شده است.

كلمات كليدي:

روباز، خردايش سنگ، شبكه عصبي

سومين كنفرانس مكانيك سنگ ايران-1386

نويسند‌گان: