nini2

چكيده:
اين مقاله يك روش جديد جهت پيش بيني نفوذ پذيري با تركيب الگوريتم هاي بهينه سازي فاخته (COA)، PSOو رقابت استعماري با شبكه هاي عصبي، با آموزش لونبرگ-ماركوارد (LM)، در يكي از حوزه هاي ناهمگون نفتي ايران ارائه مي كند. ابتدا توپولوژي و پارامترهاي شبكه عصبي به عنوان متغيرهاي تصميم گيري (بدون روشهاي بهينه سازي) طراحي مي شود. سپس، جهت بهبود كيفيت پيش بيني شبكه عصبي در زمينه نفوذ پذيري، طراحي با استفاده از الگوريتم بهينه سازي فاخته (COA) انجام شد. نتايج ارزيابي تست يكسري داده جديد توليد مي كنند كه نشان مي دهد روش COA-LMدر شبكه عصبي قادر به پش بيني دقيق نفوذپذيري مي باشد. همچنين نتايج با روشهاي PSOو رقابت استعماري مقايسه شده و برتري COAدر همگرايي سريع و حصول جواب بهينه دقيق اثبات مي شود.

اين مقاله در سال 2013 در ژورنال Petroleum Science & Engineeringدر Elsevierچاپ شده است.

(دانلود مقاله از ادامه مطلب)