{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN346",
        "title": "بهینه سازی پاسخ شبکه ی عصبی کمیته ای در تخمین اشباع از آب مخزن توسط الگوریتم ژنتیک",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1389",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN346",
        "title": "بهینه سازی پاسخ شبکه ی عصبی کمیته ای در تخمین اشباع از آب مخزن توسط الگوریتم ژنتیک",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1389,
        "authors": [
            {
                "name": "مکی لویمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ابوالقاسم کامکار روحانی",
                "role": "استاد راهنما"
            },
            {
                "name": "ناصر کشاورز فرج خواه",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "اشباع از آب",
            "شبکه های عصبی مصنوعی",
            "بهینه سازی",
            "ترکیبات آنسامبلی",
            "الگوریتم ژنتیک."
        ],
        "abstract": "یکی از پارامترهای بسیار مهم و کاربردی در مخازن هیدروکربنی، پارامتر اشباع از آب می باشد که به صورت درصد فضاهای خالی که توسط آب پر شده است تعریف می شود. در این تحقیق از شبکه های عصبی کمیته ای  برای تخمین این پارامتر استفاده شده است. برای این کار از داده های 5 چاه واقع در یکی از میادین جنوب غربی ایران استفاده شده است. مقادیر عددی نگارهای صوتی، چگالی، پرتو گاما، مقاومت ویژه، مقاومت ویژه نرمال بلند و همچنین مقدار تخلخل مؤثر (که از روی نگارهای مختلف و داده های مغزه ها به دست آمده است) به عنوان ورودی و اشباع از آب به عنوان خروجی در نظر گرفته شد. این روش به مراتب از زمانی که یک تک شبکه داریم قوی تر و دقیق تر می باشد. اجزاء این ترکیبات کمیته ای شبکه های پرسپترون چند لایه می باشند که بهترین ساختار آنها با فرایند سعی و خطا از لحاظ داشتن کمترین خطای آزمون انتخاب شدند. تعداد 59 شبکه با ساختارهای مختلف مورد آموزش و آزمون قرار گرفتند. آموزش این 59 شبکه با 3 روش فراآموزش، مرتب سازی و توقف سریع انجام شد. از بین این 59 شبکه، 7 شبکه با کمترین خطا برای ساختن ترکیبات کمیته ای انتخاب و 120 ترکیب ممکن، یعنی 21 ترکیب دو شبکه ای، 35 ترکیب سه شبکه ای، 35 ترکیب چهار شبکه ای، 21 ترکیب پنج شبکه ای، 7 ترکیب شش شبکه ای و 1 ترکیب هفت شبکه ای ایجاد شد. ضرایب وزنی این ترکیبات خطی با استفاده از دو روش الگوریتم ژنتیک و میانگین گیری ساده به دست آورده شدند و سپس نتایج حاصل از این ترکیبات با هم مقایسه شد. \r\nبرای روش فرا آموزش، شبکه تک لایه با ساختار (1-10-6) به عنوان بهترین شبکه شناخته شد. در حالتی که ضرایب وزنی ترکیب خطی شبکه های (1-10-6)، (1-5-6-6)، (1-13-6)، (1-11-6) و (1-9-4-6)، با استفاده از روش الگوریتم ژنتیک به  دست آورده شد، بیشترین کاهش خطای آزمون در ترکیب این شبکه ها مشاهده گردید.\r\nدر روش مرتب سازی، شبکه با ساختار (1-2-10-6) کمترین خطا را در مرحله ی تعمیم به همراه داشت. در حالتی که ضرایب وزنی ترکیب خطی شبکه های (1-2-10-6)، (1-5-6-6)، (1-6-5-6)، (1-10-4-6) و (1-6-6-6)، با استفاده از روش الگوریتم ژنتیک به دست آورده شد، بیشترین کاهش خطای آزمون در ترکیب این شبکه ها مشاهده گردید.\r\nدر روش توقف سریع، شبکه با ساختار (1-8-8-6)، در مرحله ی تعمیم دارای کمترین خطابود. ضرایب وزنی ترکیب خطی شبکه های (1-8-8-6)، (1-9-8-6)، (1-15-6)، (1-9-6-6) و (1-10-7-6)، )، با استفاده از روش الگوریتم ژنتیک به دست آورده شد و بیشترین کاهش خطای آزمون در ترکیب این شبکه ها مشاهده گردید.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN346.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}