شماره ركورد كنفرانس
5193
عنوان مقاله
مروري بر طبقهبندي رخسارهها با استفاده از الگوريتمهاي يادگيري
عنوان به زبان ديگر
A review of facies classification using learning algorithms
پديدآورندگان
محمدي كاميار kamiar73_ha@yahoo.com دانشكده مهندسي شيمي، نفت و گاز، دانشگاه علم و صنعت ايران، تهران، ايران , حسينينسب سيد مجتبي hosseininasab@iust.ac.ir استاديار دانشكده مهندسي شيمي، نفت و گاز، دانشگاه علم و صنعت ايران، تهران، ايران , شهبازي محمد shahbazi@iust.ac.ir دانشكده مهندسي شيمي، نفت و گاز، دانشگاه علم و صنعت ايران، تهران، ايران
تعداد صفحه
12
كليدواژه
طبقهبندي رخسارهها , چاهنگارهها , الگوريتمهاي يادگيري
سال انتشار
1401
عنوان كنفرانس
همايش بين المللي هوش مصنوعي، علم داده و تحول ديجيتال در صنعت نفت و گاز
زبان مدرك
فارسي
چكيده فارسي
شناسايي دستي رخسارههاي سنگي با استفاده از اندازهگيري نگارههاي كابل فولادي و ارزيابي تحليلي دادههاي حاصل از اندازهگيري فرآيندي زمانبر است و نياز به دانش تجربي بسيار زيادي دارد، همچنين به علت وجود عدم قطعيتها و پارامترهاي غيرخطي، شناسايي رخسارهها بهصورت دستي از صحت بالايي برخوردار نيست. رخسارههاي سنگي در تعيين خصوصيات و درك ناهمگني مخزن نقش كليدي دارند. با ظهور هوش مصنوعي، صنعت نفت و گاز شاهد افزايش استفاده از روشهاي عددي در اكتشاف، توسعه، توليد، مهندسي مخازن و برنامهريزي مديريت براي تسريع در تصميمگيري، كاهش هزينه و زمان بوده است. الگوريتمهاي يادگيري ماشين براي خودكارسازي فرآيندهاي پيچيده غيرخطي ازجمله پيشبيني رخسارهها در سالهاي اخير محبوبيت زيادي به دست آورده است. در اين مطالعه، الگوريتمهاي يادگيري ماشين و يادگيري عميق كه درزمينه طبقهبندي رخسارهها مورداستفاده قرارگرفته است، بررسي و مقايسه ميشود. نتايج نشان داد، الگوريتمهاي يادگيري ميتوانند طبقهبندي رخسارهها را انجام دهند، ولي بااينحال محدود بودن دادههاي چاهنگاره ميتواند صحت طبقهبندي را با چالش مواجه كند. الگوريتمهاي درختان تقويتشده و جنگل تصادفي عملكرد بهتري نسبت به ساير الگوريتمهاي مروري از خود نشان دادند، علاوه براين استفاده از دانشپايه براي ايجاد ويژگيهاي تقويتشده ميتواند صحت الگوريتم يادگيري را بهشدت افزايش دهد.
كشور
ايران
لينک به اين مدرک