[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
مدیریت دانشکده::
درباره دانشکده::
معرفی افراد::
امور آموزش ::
امور پژوهش::
اخبار دانشکده::
فضاهای آموزشی و تحقیقاتی::
تسهیلات پایگاه::
ارتباط با صنعت::
لینک های مفید::
تماس با ما::
گروه های دانشجویی::
::
مراکز تحقیقاتی و پزوهشی
مرکز تست و پایش ماشین های الکتریکی

مرکز تحقیقات نانوپترونیکس 

پژوهشکده سبز  

پژوهشکده الکترونیک 

آزمایشگاه تحقیقاتی الکترونیک قدرت 

قطب علمی اتوماسیون و بهره برداری از سیستمهای قدرت 

مجله مهندسی برق و الکترونیک 

پژوهشکده مهندسی و فناوری عصبی ایران  

آزمایشگاه تحقیقاتی آنتن 

مرکز مطالعات راهبردی وبین الملل فاوا

..
پیوند با سیستم های دانشگاه

AWT IMAGE
AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

..
مصاحبه تخصصی دکترای برق 97

..
نظرسنجی
کدام بخش از سایت دانشکده مهندسی برق بیشتر مورد استفاده شما قرار می گیرد؟
آموزش و اطلاعیه های آموزشی
پژوهش و اطلاعیه های پژوهشی
اطلاعات دانشکده و اساتید
اخبار
اکثر موارد موجود در سایت
   
..
نظرسنجی
ارزیابی شما از سایت دانشکده مهندسی برق چیست؟
اطلاعات ارائه شده در حد کفایت است.
اطلاعات ارائه شده مطلوب است ولی نیاز به اطلاعات بیشتر می باشد.
اطلاعات ارائه شده کافی نیست.
   
..
درج نظر
به نظر شما کمبودهای سایت دانشکده برق چیست و برای رفع آن ها چه اقداماتی باید انجام شود؟ برای درج نظر کلیک نمایید.
..
:: دفاعیه خانم فروغ ذاکر مشفق ::
 | تاریخ ارسال: ۱۳۹۷/۱۰/۲۳ | 
چکیده
ارزیابی پتروفیزیکی به‌منظور محاسبه پارامترهای مخزنی از جمله تراوایی نسبی یکی از اصول مهم و جدایی‌ناپذیر در مدیریت مخازن نفت و گاز می‌باشد. تخمین این پارامتر پتروفیزیکی، موضوعی است که اخیراً با استفاده از روش‌های نوینی همچون شبکه‌های عصبی مصنوعی، سیستم‌های فازی و روش‌های ترکیبی مورد بحث و بررسی قرار گرفته‌است. این سیستم‌های هوشمند با در دست‌داشتن داده‌های موجود و با کمینه کردن عدم قطعیت‌های ناشی از ابهام و کمبود داده‌ها، فرآیند تخمین را عملی می‌سازند. این تکنیک‌ها قادرند مسائل مبهم و پیچیده‌ای را که با روش‌های معمول، زمان‌بر و پر هزینه می‌باشند، حل نمایند. در این پایان¬نامه از داده‌های آزمایشگاهی مخازن کربناته ایران جهت تخمین تراوایی نسبی با استفاده از مدل‌های هوشمند بهره‌گرفته شده‌است. پنج روش شامل مدل رگرسیون تجربی، شبکه عصبی پرسپترون چند لایه، شبکه عصبی پایه شعاعی، سیستم استنتاج فازی-عصبی و رگرسیون بردار پشتیبان جهت تخمین تراوایی نسبی نفت و آب مورد ارزیابی قرار گرفته‌اند. همچنین با توجه به این‌که داده‌های در دسترس از مخازن کربناته اخذ شده‌اند، جهت افزایش دقت مدل‌ها، کلاسه‌بندی داده‌ها براساس واحدهای جریانی به‌عنوان راه حلی مناسب جهت غلبه بر مشکلات ناهمگونی مخازن در تخمین تراوایی نسبی مورد بررسی قرار گرفته‌است. مقایسه نتایج بهدست آمده از این تحقیق نشان می‌دهد که تقسیم‌بندی داده‌ها به واحدهای جریانی سبب بهبود عملکرد این روش‌ها در تخمین تراوایی نسبی در حد قابل قبولی شده‌است. همچنین با تحلیل نتایج روش‌های مذکور مورد بررسی، رگرسیون بردار پشتیبان به‌طورکلی جهت تخمین تراوایی نسبی نفت و آب دارای بهترین عملکرد بوده است.
دفعات مشاهده: 32 بار   |   دفعات چاپ: 0 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
کلیه حقوق مادی و معنوی این سایت متعلق به دانشکده مهندسی برق دانشگاه علم و صنعت ایران می باشد . نقل هرگونه مطلب با ذکر منبع بلامانع می باشد .
Persian site map - English site map - Created in 0.26 seconds with 52 queries by YEKTAWEB 3816