کاربرد الگوریتم شبکه عصبی پروسپترون چندلایه در تخمین میزان نفت‌دهی شیل نفتی با استفاده از داده های تجزیه تقریبی

در این مطالعه برای اولین بار سعی شد از نتایج آنالیز تجزیه تقریبی شیل نفتی برای تخمین و پیش بینی میزان نفت دهی[1] شیل نفتی استفاده شود. شیل نفتی یک منبع نامتعارف هیدروکربنی است که می توان مقدار زیادی نفت را از طریق فرایند ترموشیمیایی از آن بدست آورد. آنالیز تجزیه تقریبی برای تعیین ویژگی های عمومی شیل نفتی شامل تعیین درصد رطوبت، میزان خاکستر، co2 حاصل از تجزیه کربنات و درصد ماده آلی استفاده می شود، آنالیز برش فیشر استاندارد یک روش آزمایشگاهی و شناخته شده برای تعیین میزان نفت دهی شیل نفتی است. در این مقاله با استفاده از داده های آنالیز تجزیه تقریبی شیل نفتی و بکارگیری الگوریتم شبکه عصبی پروسپترون چندلایه بهینه سازی شده، دقیق ترین میزان نفت دهی شیل نفتی تخمین زده شد. پارامترهای حاصل از آنالیز تجزیه تقریبی شیل نفتی به عنوان ورودی برای شبکه عصبی انتخاب شدند و با وزن دار کردن این داده ها و اعمال یک تابع انتقال غیرخطی، دقیق ترین میزان نفت دهی تخمین زده شد. پارامترهای شبکه عصبی بهینه شده دارای یک لایه پنهان با 13 نورون و تابع انتقال لگاریتم سیگموئید است که مقدار میانگین مربعات خطا و ضریب تعیین آن به ترتیب برابر با 0.0397 و 0.9906 می باشد.