ارائه روش هوشمند در محاسبه پارامتر های ژئومکانیکی میادین نفتی توسط مهندس گندم گون
با سلام ،در ادمه به ارائه مقاله تخمین پارامترهای ژئومکانیکی یکی از میادین نفتی از روی نمودارهای پتروفیزیکی باکمک روش های هوشمندمیپردازیم .این مقاله به ارائه روش هوشمندی در محاسبه پارامتر ژئومکانیکی میپردازدکه درسال 2018در دانشگاه هامبورگ آلمان ارائه گردید.این مقاله که از الگوریتم هوشمند در بهره گیری از پارامتر های مهم ژئومکانیکی میپردازد ،توسط مهندس مهدی گندم گون،مهندس محمد حسین گندم گون،مهندس شادی محول به نگارش در آمده است ،که در ادامه چکیده ای از این مقاله مهم را خواهید خواند:
پروژه های مربوط به ساخت و ایجاد مدلهای ژئومکانیکی مربوط به چاه های اکتشافی و تولیدی در زمینه های گوناگون از لحاظ فنی و اقتصادی چالش برانگیز هستند. روشهای هوشمند یکی از روشهای جدید، کم هزینه و دقیقی هستند که میتوانند با بهره گیری از نگاره های پتروفیزیکی، پارامترهای ژئومکانیکی را در کمترین زمان ممکن تخمین بزنند. هدف این مقاله غلبه بر محدودیتهای تکنیکهای موجود با استفاده از تکنیکهای هوش مصنوعی مختلف است. داده هایی که در این مطالعه مورداستفاده قرار میگیرند از بررسی های چاه پیمایی معمولی تخلخل نوترونی، اشعه گاما و چگالی بالک و همچنین لاگ صوتی موجود هستند. مجموعه داده ها از 8 چاه در سازندهای کربناته و 24 نمونه مغزه برای ساخت یک مدل مناسب استفاده شد که میتواند پارامترهای شکست سنگ را از نمودارهای مربوط به چاه پیشبینی کند. سه تکنیک هوش مصنوعی، شبکه های عصبی مصنوعی (ANN)، سیستم استنتاج فازی - فازی (ANFIS) و ماشینهای بردار پشتیبان (SVM) برای پیشبینی سه پارامتر شکست ژئومکانیکی یعنی زاویه اصطکاک (FANG)، مقاومت فشاری محدودشده (UCS ) و مقاومت کششی (TSTR) استفاده شدند. برای هر پارامتر، سه تکنیک برای آموزش مدلهای AI اجرا شدند و سپس داده های دیگر برای اعتبارسنجی مدلها مورد استفاده قرار گرفت. از سه تکنیک هوش مصنوعی، مدل مربوط به شبکه های عصبی مصنوعی نتایج بسیار خوبی به همراه داشت و نتایج مورد استفاده در مورد مدلهای دیگری که با استفاده از روشهای سیستم استنتاج فازی – فازی و ماشینهای بردار پشتیبان انجام گرفت که با ضریب همبستگی 0,98 و AAPE در حدود 4,6 درصد به دست آمد، همچنین در این مقاله مدل شبکه ی عصبی مصنوعی به گونه ای برنامه ریزی شد که امکان استخراج موفقیت آمیز وزنها و بایاسهای شبکه به راحتی مورد استفاده قرار میگرفت.
با سلام ،در ادمه به ارائه مقاله تخمین پارامترهای ژئومکانیکی یکی از میادین نفتی از روی نمودارهای پتروفیزیکی باکمک روش های هوشمندمیپردازیم .این مقاله به ارائه روش هوشمندی در محاسبه پارامتر ژئومکانیکی میپردازدکه درسال 2018در دانشگاه هامبورگ آلمان ارائه گردید.این مقاله که از الگوریتم هوشمند در بهره گیری از پارامتر های مهم ژئومکانیکی میپردازد ،توسط مهندس مهدی گندم گون،مهندس محمد حسین گندم گون،مهندس شادی محول به نگارش در آمده است ،که در ادامه چکیده ای از این مقاله مهم را خواهید خواند:
پروژه های مربوط به ساخت و ایجاد مدلهای ژئومکانیکی مربوط به چاه های اکتشافی و تولیدی در زمینه های گوناگون از لحاظ فنی و اقتصادی چالش برانگیز هستند. روشهای هوشمند یکی از روشهای جدید، کم هزینه و دقیقی هستند که میتوانند با بهره گیری از نگاره های پتروفیزیکی، پارامترهای ژئومکانیکی را در کمترین زمان ممکن تخمین بزنند. هدف این مقاله غلبه بر محدودیتهای تکنیکهای موجود با استفاده از تکنیکهای هوش مصنوعی مختلف است. داده هایی که در این مطالعه مورداستفاده قرار میگیرند از بررسی های چاه پیمایی معمولی تخلخل نوترونی، اشعه گاما و چگالی بالک و همچنین لاگ صوتی موجود هستند. مجموعه داده ها از 8 چاه در سازندهای کربناته و 24 نمونه مغزه برای ساخت یک مدل مناسب استفاده شد که میتواند پارامترهای شکست سنگ را از نمودارهای مربوط به چاه پیشبینی کند. سه تکنیک هوش مصنوعی، شبکه های عصبی مصنوعی (ANN)، سیستم استنتاج فازی - فازی (ANFIS) و ماشینهای بردار پشتیبان (SVM) برای پیشبینی سه پارامتر شکست ژئومکانیکی یعنی زاویه اصطکاک (FANG)، مقاومت فشاری محدودشده (UCS ) و مقاومت کششی (TSTR) استفاده شدند. برای هر پارامتر، سه تکنیک برای آموزش مدلهای AI اجرا شدند و سپس داده های دیگر برای اعتبارسنجی مدلها مورد استفاده قرار گرفت. از سه تکنیک هوش مصنوعی، مدل مربوط به شبکه های عصبی مصنوعی نتایج بسیار خوبی به همراه داشت و نتایج مورد استفاده در مورد مدلهای دیگری که با استفاده از روشهای سیستم استنتاج فازی – فازی و ماشینهای بردار پشتیبان انجام گرفت که با ضریب همبستگی 0,98 و AAPE در حدود 4,6 درصد به دست آمد، همچنین در این مقاله مدل شبکه ی عصبی مصنوعی به گونه ای برنامه ریزی شد که امکان استخراج موفقیت آمیز وزنها و بایاسهای شبکه به راحتی مورد استفاده قرار میگرفت.
بازگشت تیم ملی المپیاد ریاضی با 6 مدال
به گزارش یکتا مرکزی خبر ، سرپرست تیم ملی المپیاددانش جویی ریاضی در مصاحبه با گزارشگر یکتا مرکزی خبر افزود: این تیم 6 نفره در پنجاه و چهارمین المپیاد جهانی ریاضی که در کلمبیا برگزار شد، رویهمرفته با کسب 6 مدال در جایگاه دهم پیمان گرفت. مهری سویزی گفت:رقابت های المپیاد از سطح علمی بسیار بالایی برخوردار بود که تیم ملی المپیاد کشورمان کامیاب شد از میان 102 کشور جهان به رتبه دهم دست پیدا کند. وی افزود:در این مسابقات چین، کره جنوبی و آمریکا در جایگاه نخست تا سوم پیمان گرفتند. رئیس مرکز ملی پرورش استعدادهای درخشان و دانش پژوهان جوان نیز گفت:در پنجاه و چهارمین المپیاد جهانی ریاضی، مهدی گندمگون با کسب34 نمره علمی توانست به سرنویس دومین جوان برتر جهان دست پیدا کند. مهری سویزی افزود:این دستاورد نویدی برای دانش جویان کشور است که می توانند با سخت کوشی علمی به چکاد ( Chekad) های بالاتری دست یابند. وی گفت: بدست آمدن این موفقیتها حاصل مدیریت،برنامه ریزی و تلاش استادان بزرگی است که زمینه رشد علمی این دانشجویان را فراهم کرده اند. سویزی با اشاره به درخواست شماری از دانشجویان المپیادی برای بازگشت باشگاه دانش پژوهان جوان به ساختمان پیشین این باشگاه،گفت:ما این جستار را پیگیری می کنیم تا دانش جویان بتوانند از هنگام فضا به ویژه برای تابستان کاربرد کنند. در پنجاه و چهارمین المپیاد جهانی ریاضی که در کلمبیا برگزار شد آلک بدرویا و مهدی گندمگون کامیاب به کسب نشان طلا و محمدجواد شعبانی ، ماهان تجربه کار و تینا ترکمان کامیاب به دریافت نشان نقره شدند و سید محمد حسین سید صالحی نیز کامیاب به کسب نشان برنز شد. تیم ملی المپیاد دانشجویی فیزیک نیز چندی پیش در چهل و چهارمین دوره المپیاد جهانی فیزیک در دانمارک کامیاب به کسب سه نشان طلا ، یک نقره و یک برنز شده بود. واحد مر کزی خبر این موفقیت بزرگ را به تمامی هموطنان تبریک و موفقیت این عزیزان را به رهبر معظم انقلاب و همه مردم غیور ایران تبریک عرض مینمایید.
