برآورد تخلخل سنگ مخزن با استفاده از ترکیب آنسامبلی خطی شبکه‌های عصبی مصنوعی منفرد براساس روش‌های تحلیلی و الگوریتم ژنتیک

نویسندگان

1 استادیار، دانشکد? مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایران

2 دانش‌آموخته کارشناسی ارشد ژئوفیزیک، دانشکد? مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایران

doi
چکیده

ترکیب آنسامبلی شبکه‌های عصبی مصنوعی نوعی از ماشین کمیته‌ای با ساختار موازی است که خروجی شبکه‌های منفرد را با هدف تلفیق اطلاعات حاصل از هریک از آنها و در نتیجه دست‌یابی به نتیجه بهتر ترکیب می‌کند. در این تحقیق از ترکیب آنسامبلی شبکه‌های عصبی مصنوعی منفرد به منظور برآورد تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربوری پارس جنوبی استفاده شده است. داده‌های چاه‌نگاری 4 چاه این میدان در بازه عمقی سازند کنگان مورد استفاده قرار گرفت. داده‌های نگارهای صوتی، چگالی، پرتو گاما و تخلخل نوترونی درحکم ورودی شبکه‌ها و تخلخل مؤثر به‌منزلة خروجی شبکه‌ها در نظر گرفته شد. ابتدا شبکه‌های عصبی منفرد پس‌انتشار خطا با ساختارهای گوناگون به روش فراآموزش طراحی شد و سپس 7 مورد از آنها که بهترین نتایج، یعنی کمترین میانگین مربعات خطای برآورد تخلخل را برای الگوهای آزمون داشتند به‌‌منظور ساخت ترکیبات آنسامبلی انتخاب شدند. ترکیبات آنسامبلی خطی به روش میانگین‌گیری ساده، روش‌های ترکیب خطی بهین? هاشم و روش غیرتحلیلی ترکیب خطی بهینه با استفاده از الگوریتم ژنتیک ساخته شد. بهترین ترکیب آنسامبلی حاصل که بیشترین کاهش را در میانگین مربعات خطای برآورد تخلخل الگوهای آزمون نسبت به بهترین شبکه عصبی منفرد ایجاد کرده است، ترکیب خطی بهینه‌ای با استفاده از روش بهینه‌یابی الگوریتم ژنتیک بود که میانگین مربعات خطای برآورد تخلخل الگوهای آموزش و آزمون را به‌ترتیب%4/14 و%5/12 نسبت به بهترین شبکه عصبی منفرد کاهش داد.