تخمین نفوذپذیری با استفاده از داده های چاه نگاری و به کمک شبکه های عصبی مصنوعی: مطالعه موردی روی یکی از مخازن جنوب غرب ایران
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
تخمین ضریب نفوذ مواد آلی به کمک شبکه عصبی مصنوعی مبتنی بر روش qspr
زض ا 4 تحم 5ک، زض اثتسا 4ه س? خس 4س ضاث ?ُ ذه?ن 5ت-?بذتبض 2 و 3?
تخمین تخلخل به وسیله ی روش های شبکه عصبی مصنوعی بهینهrbf وmlfn با استفاده از نشانگرهای لرزه ای و نگارهای چاه در یکی از مخازن هیدروکربنی جنوب غرب ایران
در این مطالعه ضمن تشریح شبکه های عصبی مصنوعی به کاربرد آن در تعیین تخمین تخلخل بعنوان فاکتور موثر در پارامترهای پتروفیزیکی میادین هیدرو کربنی پرداخته شده است. در مرحله ی اول تخمین تخلخل موثر مخزن با استفاده از روش های شبکه عصبی مصنوعی و داده های نگارهای موجود در چاههای میدان مورد
پیش بینی نفوذپذیری در محیط های دارای تخلخل دوگانه با استفاده از رگرسیون چندگانه و شبکه عصبی مصنوعی
تخلخل دوگانه به محیط هایی اطلاق می شود که ماتریس سنگ نیز علاوه بر شبکه شکستگی، دارای نفوذپذیری است. اهمیت ویژه این موضوع در بررسی میزان نفوذپذیری و قابلیت مخزن شدگی ذخایر هیدروکربنی و مناطق دفن زباله های اتمی و پسماندهای شهری و صنعتی است که نفوذپذیری ماتریس سنگ در محاسبات نفوذپذی
تعیین چگالی کوپلیمرها به کمک شبکه عصبی مصنوعی و مطالعه ی آزمایشگاهی، مدل سازی و بهینه سازی فرآیند جذب سطحی همزمانی رنگ ها بر روی نانوسیم مس با استفاده از تکنیک های اسپکتروفتومتری مشتقی و شبکه عصبی مصنوعی
خواص حجمی مواد کوپلیمری دارای اهمیت زیادی برای دانشمندان و مهندسان پلیمر است. بنابراین، یک مدل دقیق برای توضیح این رفتار در طیف وسیعی از دما و فشار مورد نیاز است. شبکه های عصبی مصنوعی امروزه کاربردهای فراوانی در زمینه مدل سازی سیستم های مختلف دارند. در بخش اول این پژوهش با استفاد
مدل سازی سینتیک خشک شدن خلال پیاز از طریق تخمین رطوبت در طول فرآیند خشک شدن به کمک شبکه عصبی مصنوعی
هدف از انجام این تحقیق پیش بینی مدت زمان لازم برای خشک کردن و محتوای رطوبتی پیاز به کمک شبکه عصبی مصنوعی می باشد. آنالیز داده ها به کمک نرم افزارهای matlab،mstatc وspss18 و مقایسه میانگین ها به کمک آزمون دانکن انجام شد. در این تحقیق پیاز به صورت لایه نازک با استفاده از خشک-کن جری
تخمین عمق آبشستگی در تکیه گاه پل به کمک شبکه عصبی مصنوعی و مدل hec-ras
اجرای پل ها بر روی آبراهه ها مستلزم استفاده از ستون هایی بر روی بستر رودخانه است. این بخش از پل عموماً در معرض پدیده آبشستگی موضعی قرار می گیرد. تعیین میزان عمق این نوع آبشستگی از مسائل حائز اهمیت در مهندسی هیدرولیک است. مکانیسم جریان اطراف پایه پل ها پیچیده بوده و ایجاد یک مدل ت
اسناد مشابه
تخمین تابش خورشید با استفاده از روش‌های آماری و شبکه عصبی مصنوعی (مطالعه موردی - ایستگاه سینوپتیک تهران)
زمینه و هدف: تابش خورشیدی یکی از پارامترهای مهم و تأثیرگذار در مطالعات هیدرولوژی و هواشناسی کشاورزی میباشد. با توجه‌به هدف تحقیق که پیش‌بینی میزان تابش خورشیدی میباشد، می‌توان نوع تحقیق را کاربری دانست.مواد و روش‌ها: سال آماری موردنظر به مدت یک سال (اول فروردین 1402 تا آخر فرور
استفاده از تحلیل مولفه اصلی برای تعیین ورودی‌های موثر بر تخمین بارش به کمک شبکه عصبی مصنوعی و ماشین‌بردار پشتیبان
مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع آب می­کند و همچنین در مدیریت منابع آب تخمین پارامتر هیدرولوژیکی نقش اساسی دارند. در این تحقیق تخمین بارش سه ایستگاه سینوپتیک آستارا، لاهیجان و جیرنده واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (
تخمین تخلخل نگار nmr از نشانگرهای لرزه ای با استفاده از رگرسیون خطی و شبکه عصبی مصنوعی در میدان گازی پارس جنوبی
در این مقاله تطابق بین تخلخل مفید به دست آمده از نگار (log) رزونانس مغناطیسی هسته2(nmr) و نشانگرهای لرزه ای از طریق دو روش رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بررسی شده است. در ابتدا نمودارهای هر چاه از طریق ایجاد لرزه نگاشت مصنوعی با اطلاعات برداشت لرزه ای مطابقت داده شدند. ب
بهینه سازی فرایند جذب سطحی رنگ دی سولفین بلو توسط نانوذره ZnO-Cr نشانده شده برروی کربن فعال با استفاده از روش پاسخ سطح و مدل سازی با کمک شبکه عصبی مصنوعی
در این پژوهش از جاذب نانوذره ZnO-Cr نشانده شده بر کربن فعال به منظور حذف رنگ دی سولفین بلو استفاده شده و سپس با کمک شبکه عصبی مصنوعی میزان حذف آن را پیش بینی شد. اثر پارامترهای گوناگون شامل pH، مقدار جاذب، غلظت رنگ ها و زمان به هم خوردن روی درصد حذف به روش فناوری های طراحی آزمایش
تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد د
تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار