فصلنامه علمی علوم زمین

فصلنامه علمی علوم زمین

برآورد تخلخل سازند گازی کنگان در میدان پارس جنوبی با استفاده از ماشین کمیته ای متشکل از شبکه های عصبی مصنوعی منفرد آموزش‌دیده به روش مرتب سازی

نوع مقاله : مقاله پژوهشی

نویسندگان
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
چکیده
برای به دست آوردن نتایج دقیق­تر از به کارگیری روش شبکه­های عصبی مصنوعی، به جای انتخاب نتایج بهترین شبکه حاصل از فرایند سعی و خطا، نتایج چندین شبکه به روشی مناسب با هم ترکیب شده است تا شاید سامانه چند­شبکه­ای حاصل، که از آن با عنوان ماشین کمیته­ای تعبیر می­شود، خطا را کاهش و درنتیجه، دقت را افزایش دهد. در این پژوهش، برای برآورد تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربنی پارس جنوبی، از ترکیب آنسامبلی شبکه­های عصبی مصنوعی که نوعی ماشین کمیته­ای با ساختار موازی است، استفاده شده است. به این منظور، داده­های نگارهای صوتی، چگالی، پرتو گاما و تخلخل نوترونی به عنوان ورودی شبکه­ها و تخلخل مؤثر به عنوان خروجی شبکه­ها از 4 چاه این میدان در بازۀ عمقی سازند کنگان انتخاب شدند. شبکه­های عصبی پس­انتشار خطا با ساختارهای متفاوت به روش مرتب­سازی آموزش داده شد و توان تعمیم آنها ارزیابی شد. آنگاه شبکه‌هایی که بهترین نتایج، یعنی کمترین میانگین مربعات خطای برآورد در مرحله آزمون را داشتند، برای ساخت ترکیب­های آنسامبلی انتخاب شدند. برای تعیین ضرایب شبکه­های جزء ترکیب­های آنسامبلی خطی، سه روش میانگین­گیری ساده، روش ترکیب خطی بهینه هاشم و روش غیرتحلیلی ترکیب خطی بهینه با استفاده از الگوریتم ژنتیک به کار برده شده و نتایج آنها با هم مقایسه شد. از مقایسه نتایج ترکیب­ها با بهترین شبکه عصبی مصنوعی منفرد حاصل، مشخص شد که بهترین ترکیب آنسامبلی حاصل، ترکیبی چهار­شبکه­ای است که ضرایب شبکه­های جزءِ آن با استفاده از الگوریتم ژنتیک تعیین شده است. این ترکیب توانسته میانگین مربعات خطای برآورد الگوهای آموزش و آزمون را به ترتیب 6/3 درصد و 2/11 درصد نسبت به بهترین شبکه عصبی منفرد کاهش دهد.
کلیدواژه‌ها

کتابنگاری
افشارحرب، ع.، 1381- زمین­شناسی نفت، انتشارات دانشگاه پیام نور.
حسنی پاک، ع.ا. و شرف­الدین، م.، 1380- تحلیل داده­های اکتشافی، انتشارات دانشگاه تهران.
خسروتهرانی، خ.، 1383- زمین­شناسی ایران، انتشارات دانشگاه پیام نور، چاپ پنجم.
رحیمی، م.، 1381- تعبیر و تفسیر لرزه­ای ناحیه پارس جنوبی در افق­های آسماری، جهرم، سروک، داریان، فهلیان، سورمه، کنگان، نار و فراقون، مدیریت اکتشاف شرکت ملی نفت ایران.
زارعی، س.، موحد، ب.، باقری، ع.م. و مردانی، ع.، 1386- ارزیابی تراوایی سازند کنگان با استفاده از داده­های نگار CMR و مغزه در میدان پارس جنوبی، بیست و ششمین گردهمایی علوم زمین‌شناسی.
 
References
Bhatt, A. & Helle, H. B., 2002- Committee neural networks for porosity and permeability prediction from well logs, Geophysical Prospecting, 50: 645-660.
Bhatt, A., 2002- Reservoir properties from well logs using neural networks, PhD thesis, Department of Petroleum Engineering and Applied Geophysics, Norwegian University of Science and Technology.
Chen, C. H. & Lin, Z. S., 2006- A committee machine with empirical formulas for permeability prediction, Computer & Geosciences, 32: 485-496.
Demuth, H. & Beale, M., 2002- Neural network toolbox user's guide of MATLAB, Version 4, Online on http://www.mathworks.com/.
Hashem, S., 1993- Optimal linear combination of neural networks, PhD thesis, School of Industrial Engineering, Purdue University.
Hashem, S., 1997- Optimal linear combination of neural networks, Neural Networks, 10: 599-614.
Hashem, S., Shmeiser, B. & Yih, Y., 1994- Optimal linear combination of neural networks: An overview, School of Industrial Engineering, Purdue University.
MathWorksTM, 2007- Genetic algorithm and direct search toolbox 2 user's guide of MATLAB, Online on http://www.mathworks.com/.
Sharkey, A., Sharkey, N., Gerecke, U. & Chandroth, G. O., 2000- The "test and select" approach to ensemble combination. In: Kittler J. & Roli F. (eds.) Multiple classifier systems.  Springer-Verlag, Inc. PP30-44.