ارائه روشی جدید برای رده بندی درز ها با رویکرد بهینه رده بندی کننده بیزین
Publish place: Quarterly Journal of Geosciences، Vol: 18، Issue: 71
Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 244
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-18-71_015
تاریخ نمایه سازی: 18 بهمن 1400
Abstract:
درزه نگاری در پروژه های اکتشاف نفت و معدن، مطالعات ساختگاهی و زمین شناسی، اهمیت فوق العاده ای دارد. به طور معمول، بسته به هدف از مطالعه درزه ها، ویژگی های مختلفی از آنها به صورت برجا برداشت می شود. برای مثال در مطالعات مخزن، علاوه بر ویژگی های ساختاری، بررسی میزان بازشدگی و پرشدگی درزه ها و شبکه ارتباطی آنها، برای مدل سازی جریان سیال، اهمیت ویژه ای دارد. اما از آنجا که درزه ها ماهیت پیچیده ای دارند، اغلب شناخت آنها بدون رده بندی ممکن نیست. لذا توجه به این نکته ضروری است که در رده بندی درزه ها، از کلیه ویژگی های تاثیر گذار در تفسیر نتایج رده بندی استفاده شود. این در حالی ست که به صورت متداول، حداکثر دو ویژگی شیب و جهت شیب، برای رده بندی درزه ها مورد استفاده قرار می گیرند و دیگر ویژگی ها، نادیده گرفته می شوند. در این مقاله، روشی جدید برای رده بندی درزه ها ارائه شده است. برای بررسی کارایی و مزیت روش جدید، یک مجموعه مصنوعی از درزه ها، شامل ۸ دسته درزه ساخته شده است و برای هر درزه، ۴ ویژگی شیب، جهت شیب، میزان پرشدگی و نوع پرکننده در نظر گرفته شده است، به گونه ای که جدایش دسته درزه ها بر اساس ویژگی های شیب و جهت شیب ناممکن باشد. سپس برنامه هایی برای استفاده از روش رده بندی بیزین (Bayesian)، نوشته شده و در فضای ۴ بعدی نسبت به رده بندی داده های مصنوعی اقدام شده است. به این ترتیب اثبات شده که با دقت بسیار مطلوب تری، کلیه ۸ دسته درزه را می توان از هم تفکیک کرد.
Authors
بهزاد تخم چی
دانشکده معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
حسین معماریان
دانشکده معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
حسین احمدی نوبری
دانشکده مهندسی برق و کامپیوتر، قطب علمی کنترل و پردازش هوشمند، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
بهزاد مشیری
دانشکده مهندسی برق و کامپیوتر، قطب علمی کنترل و پردازش هوشمند، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :