Wyniki wyszukiwania - BazTech

1

Analiza statystyczna danych geofizycznych metodami tradycyjnymi i inteligencji komputerowej

Zych M., Ossowski A.

Prace Naukowe Instytutu Nafty i Gazu

|

2016

|

nr 209 wyd. konferencyjne

143--147

PL

W artykule została przedstawiona statystyczna analiza danych geofizycznych w oparciu o podejście tradycyjne oraz inteligencji komputerowej (metoda wektorów nośnych – SVM oraz sieci neuronowych MLP. Obliczenia wykonano na podstawie danych wyników analiz składu mineralnego skał mioceńskich zapadliska przedkarpackiego i oznaczeń laboratoryjnych tych parametrów fizycznych skał, które są mierzone metodami geofizyki otworowej. Celem analiz jest pokazanie zalet oraz trudności w stosowaniu zaproponowanych metod do budowy modeli matematycznych. Obliczenia wykonano przy wykorzystaniu pakietu STATISTICA w wersji 10 i 12.

EN

The article presents statistical analysis of geophysical data based on the traditional approach and computer intelligence simulation (artificial neural network: support vector method – SVM and Multilayer Perceptron MLP). The calculations were based on data of laboratory analysis of mineral composition the Miocene formations of the Carpathian Foredeep and physical parameters of the rocks the same as measured by well logging. The aim of the analysis is to show the advantages and difficulties in applying the proposed methods to build mathematical models. The calculation was performed using STATISTICA version 10 and 12.

2

Analiza porównawcza wyników interpretacji parametrów zbiornikowych i uszczelniających bioherm przedgórza Karpat metodami ANN i fuzzy logic

Włodarczyk M., Darłak B.

Nafta-Gaz

|

2012

|

R. 68, nr 6

341-349

PL

W badaniach prowadzonych w ciągu ostatnich kilkunastu lat zajmowano się wyinterpretowaniem budowli organicznych występujących w utworach jury, na podstawie materiałów sejsmicznych, a także geofizyki otworowej [6, 7]. W niniejszej pracy zaprezentowano możliwość interpretacji takich utworów pod kątem właściwości zbiornikowych, jak również stref uszczelniających, poprzez zastosowanie najnowszych technik obliczeniowych, a mianowicie sieci neuronowych (ANN) oraz logiki rozmytej (fuzzy logic). Obliczenia wykonane zostały na wyselekcjonowanych parametrach petrofizycznych (wielkości punktowe) oraz impedancji (wielkość ciągła). Zastosowanie obu metod daje ciągły obraz rozwoju przestrzeni porowej w profilu, a tym samym pozwala zdefiniować warunki zbiornikowe w utworach organicznych oraz warstwach uszczelniających stanowiących uszczelniające nadkłady. Cel pracy to analiza porównawcza wyników otrzymanych obydwiema metodami oraz określenie warunków ich stosowalności.

EN

The paper presents interpretation of reservoir properties of biogenic rocks using the ANN and Fuzzy Logic method. The calculations were performed using point data (core analysis) and impedance (continuous data). Applying of these methods allowed us to observe pore space development and define reservoir and sealing parameters in investigated sediments. Both methods are efficient in such type of works. They identified bioherm beds in investigated wells and allowed us to describe reservoir parameters for various types of rocks from these wells.

3

Optymalizacja procesu wytłaczania jednoślimakowego tworzyw sztucznych. Metoda sieci neuronowych

Wilczyński K., Nastaj A., Abramczyk P.

Mechanik

|

2004

|

R. 77, nr 7

470-472

PL

Systemy komputerowego modelowania procesów przetwórstwa tworzyw umożliwiają prognozowanie przebiegu tych procesów na podstawie warunków technologicznych procesu, geometrii maszyny i narzędzia oraz właściwości przetwarzanego materiału. Przebieg procesu może charakteryzować się natężeniem przepływu tworzywa, rozkładem ciśnienia i temperatury, zużyciem mocy itp. Tak jest więc możliwe przewidywanie wielkości wyjściowych procesu na podstawie danych wejściowych.

EN

Optimization of the extrusion process by the neuron network method is described, which consists in proper estimation of three parameters and proper depth of the worm groove within bathing zone h2, with considering input data: cylider temperature Tc, worm speed N, maximum extrusion output, minimum power demand, and minimum temperture of plastic at the head outlet T. Resulting were optimum values of input data Tcopt, Nopt, h2opt.