محمود ذاکری - سازمان زمین شناسی و اکتشافات معدنی کشور
ابوالقاسم کامکار روحانی - سازمان زمین شناسی و اکتشافات معدنی کشور

در این مقاله سیستم های چندشبکه ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم ها نتایج چندین شبکه که به طور منفرد و مجزا آموزش دیده اند، به روشی مناسب با هم ترکیب می شود. در این مطالعه تخلخل موثر یکی از مخازن هیدروکربوری میدان عظیم پارس جنوبی با استفاده از سیستم های چندشبکه ای برآورد شده است. از شبکه های عصبی مصنوعی پس انتشار خطا که به روش اعتبارسنجی همزمان آموزش دیده اند، به عنوان اجزای سیستم های چندشبکه ای استفاده شد. داده نگارهای چاه از ۴ چاه این میدان در بازه عمقی سازند کنگان مورد استفاده قرار گرفت. نگارهای صوتی، چگالی، اشعه گاما و تخلخل نوترونی به عنوان ورودی شبکه ها و تخلخل موثر به عنوان خروجی شبکه ها انتخاب گردید. روش ترکیب آنسامبلی شبکه ها که دارای ساختاری موازی است، برای تشکیل سیستم های چند شبکه ای مورد استفاده قرار گرفت. نتایج نشان می دهد که ترکیب های آنسامبلی مناسب می تواند خروجی شبکه های عصبی مصنوعی منفرد آموزش دیده به روش اعتبارسنجی همزمان را بهبود بخشد. بهترین ترکیب آنسامبلی حاصل در این تحقیق، ترکیبی سه شبکه ای است که میانگین مربعات خطای تخمین تخلخل الگوهای آموزش و آزمون را نسبت به بهترین شبکه عصبی مصنوعی منفرد به ترتیب ۷/۴۱ % و ۵/۲۱ % کاهش داده است.

شبکه عصبی مصنوعی, سیستم های چند شبکه ای, ترکیب آنسامبلی, الگوریتم ژنتیک, تخلخل و نگار