|
Title
|
عملكرد روش هاي يادگيري براي تخمين دبي چوك با استفاده از داده هاي چاه هاي گازي و نفتي
|
|
Type
|
Presentation
|
|
Keywords
|
يادگيري ماشين، چوك، ماشين هاي بردار پشتيبان، جنگل تصادفي، شبكه هاي عصبي مصنوعي، دبي چاه
|
|
Abstract
|
با توسعه روش هاي يادگيري ماشين و يادگيري عميق به علت انعطاف پذيري بالاتر نسبت به روابط تجربي، علاقه استفاده پژوهشگران چه در صنايع نفتي و چه در صنايع ديگر از اين مدل ها بسيار زياد هست.صنعت نفت يكي از صنايع مادر است كه هر اختلاف كوچك در دقت محاسبات ميزان توليد مي تواند خسارات زيادي را داشته باشد.از اين سو داشتن يك تابع با دقت بالا براي محاسبه دبي توليدي از چوك سر چاهي مي تواند كمك بسياري كند.در اين مقاله به منظور پيدا كردن يك مدل خوب و مناسب براي محاسبه دبي چوك از چند روش يادگيري ماشين و يادگيري عميق از جمله روش جنگل تصادفي ، ماشين هاي بردار پشتيبان ،شبكه هاي عصبي مصنوعي به كار برده شد .براي انتخاب بهترين مدل از روش هاي بصري نمايش مقدار حقيقي و پيش بيني در نمودار هاي مختلف و روش هاي ارزيابي آماري از جمله خطاي جذر ميانگين مربعات ، خطاي ميانگين مربعات و ضريب تعيين استفاده شد تا بهترين مدل انتخاب شود كه پس از ارزيابي ، بهترين مدل براي چاه هاي گازي مدل جنگل تصادفي بدست آمد كه خطاي ميانگين مربعات آن 624407.66، خطاي جذر ميانگين مربعات آن790.19 و ضريب تعيين آن0.99 شده است و براي چاه هاي نفتي نيز مدل جنگل تصادفي با خطاي ميانگين مربعات 1259288.68، خطاي جذر ميانگين مربعات 1122.18و ضريب تعيين 0.95 نتيجه بهتري داشت.
|
|
Researchers
|
Ali Karami (First researcher) , Ali Hoshmandjo (Second researcher) , Yousef Kazemzadeh (Third researcher)
|