ابوالقاسم کامکار روحانی؛ محمود ذاکری
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 ...
بیشتر
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.