تخمین تخلخل از داده های لرزه نگاری با استفاده از روشهای آماری و شبکه های عصبی
Abstract(in Persian; no English abstract is available)
استفاده از داده های لرزه نگاری برای تفسیر ساختمانی به عنوان یک کار متداول در پروژه های نفتی محسوب می شود.
استفاده از داده های لرزه نگاری برای تفسیر ساختمانی به عنوان یک کار متداول در پروژه های نفتی محسوب می شود.
تخمین پارامتر های پتروفیزیکی مخزن نظیر تخلخل ، نفوذپذیری و اشباع آب و نفت برای ارزیابی و برآورد ذخیره ی هیدرو کربوری از اهمیت خاصی برخوردار است. در خصوص مخازن بسیار ناهمگن (وضعیت متداول مخازن کشور)، پیش بینی این پارامترها پیچیده و در برخی موارد به یک چالش جدی در صنایع بالادستی نف
اختلال در سرویس دهی یک شبکه شریان حیاتی، ممکن است باعث تشدید خسارت های بعدی مثل آتش سوزی ها، قطع ارتباطات و انفجارهای دیگر یا گسترش بیماری های واگیردار شود. شریان های حیاتی، سه ویژگی مهم شامل گستردگی زیاد، وابستگی عملکرد آن ها به یکدیگر و تشدید آسیب دیدگی به علت اثر متقابل آن ها
دمای سطح دریا (sst) یکی از پارامترهای اساسی در اقیانوس¬شناسی و مطالعات علوم جوی است. در این تحقیق با کمک داده¬های ماهواره ای و داده¬های ایستگاه هواشناسی دربازه زمانی سوم مارس 2008 تا هفتم آگوست 2009 دمای سطح ناحیه¬ای از خلیج فارس به روش شبکه عصبی مصنوعی (ann) و رگرسیون بازیابی شد
شکست سدهای خاکی از جمله از جمله وقایعی است که خسارات مالی و جانی فراوانی به همراه دارد. چون شکست سد علاوه بر تخریب سد کلیه موانع موجود در پایین دست سد را نیز از جمله مناطق مسکونی زراعی و صنعتی از بین می برد. به همین دلیل سیلاب ناشی از شکست سدهای بزرگ خرابی و مصیبت زیادی را دو قرن
نفوذپذیری و ظرفیت تبادل کاتیونی از مهم ترین پارامترهای فیزیکی و شیمیایی خاک، به حساب می آیند که اندازه گیری مستقیم آنها دشوار است و نیاز به وقت و هزینه زیادی دارد. با توجه به مشکلات اندازه گیری مستقیم این پارامترها در سالهای اخیر استفاده از روشهای غیرمستقیم مانند شبکه عصبی مصنوعی
رودخانه ها مهمترین منابع حیاتی طبیعت، کانون توسعه و شریان های حیات بخش هر کشور محسوب می شوند. با وجودی که آب یکی از فراوان ترین ترکیباتی است که در طبیعت یافت می شود، عواملی چون توزیع نا همگون جغرافیایی، عدم تطابق زمانی توزیع با الگوی مصرف و رشد روزافزون جمعیت جهان، کمیت منابع آب
تخمین تخلخل در مخازن کربناته بهدلیل سیستم حفرات پیچیده و ناهمگنی مشکل و چالشبرانگیز است. تخلخل بیانگر ظرفیت ذخیره سیال در مخزن است و بهمنظور برآورد میزان ذخایر و ظرفیت تولید حائز اهمیت است؛ لذا تخمین دقیق و صحیح تخلخل سنگ مخزن امری ضروری است. روشهای متداول برای اندازهگیری تخ
نفوذپذیری یکی از مهمترین پارامترهای فیزیکی خاکها و از دادههای بنیادی طرحهای آبیاری و زهکشی است. اگرچه برای توصیف این پدیده، تاکنون روشها و روابط مختلف تئوری و یا تجربی ارایه شده، ولی هنوز هم از جنبههای تطابق و امکان کاربرد علوم جدیدی نظیر روش شبکههای عصبی مصنوعی در پیشبی
یکی از پارامترهای مهم ژئوشیمیایی، مقدار کربن آلی کل (toc) می باشد. این پارامتر جهت ارزیابی پتانسیل هیدروکربن زایی سنگ منشأ استفاده می شود و اندازه گیری این پارامتر مهم مستلزم انجام آزمایشات ژئوشیمیایی بر روی خرده های حفاری بوده که بسیار پرهزینه و وقت گیر می باشد و انجام آن بر روی
تبخیر یکی از جمله پارامترهای مهم در هیدرولوژی و مهندسی منابع آب است که مورد توجه محققان قرار دارد. بهدلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه تبخیر، روابطی غیرخطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند . شبکههای عصبی مصنوعی ا ز جمله روشهای نوی
در این تحقیق کارایی روشهای متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک
با توجه به مشکلات اجرای آزمایشها بخصوص در سنگهای ضعیف و هزینه بر بودن این آزمایشها، میتوان با بررسی روابط بین ویژگیهای مکانیکی و فیزیکی، هزینه آزمایشات تعیین خصوصیات مکانیکی را کاهش داد. در این پژوهش آزمایشهای پتروگرافی، فیزیکی و مکانیکی بر روی 62 مغزه از سنگهای شیل و مارن