Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
    		 of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
Comparison of different univariate and multivariate geostatistical methods by porosity modeling of an iranian oil field
Zarei, A

Cataloging brief

Comparison of different univariate and multivariate geostatistical methods by porosity modeling of an iranian oil field
Author :   Zarei, A
Publisher :  
Pub. Year  :   2011
Subjects :   collocated cokriging univariate geostatistical methods Bivariate Co-Kriging ...
Call Number :  

Find in content

sort by

Bookmark

  • فهرست جدول‌ها (7)
  • فهرست تصویرها (8)
  • فصل1 مقدمه و معرفی (9)
  • 1.1 اهمیت و کاربرد موضوع (9)
  • 2.1 اهداف پژوهش (10)
  • 3.1 ساختار گزارش (11)
  • فصل2 مفاهیم اولیه (13)
  • 1.2 انواع مختلف عیب (13)
  • 2.2 انواع مختلف حسگرهای مورد استفاده (14)
  • 3.2 مشخصه‌های ارتعاشی مورد استفاده برای تحلیل و پردازش داده‌ها برای عیب‌یابی (15)
  • 1.3.2 مشخصه‌های مربوط به داده‌های حوزه زمان (16)
  • 2.3.2 مشخصه‌های مربوط به داده‌های حوزه فرکانس (16)
  • 4.2 منطق فازی و روش‌های قاعده محور (17)
  • فصل3 مرور ادبیات (20)
    • 1.3 مقدمه (20)
    • 2.3 روش‌های مختلف ترکیب اطلاعات چند حسگر (21)
    • 1.2.3 ترکیب داده‌های چند حسگر (21)
    • 2.2.3 ترکیب مشخصه‌‌های چند حسگر (21)
    • 3.2.3 ترکیب تصمیم‌های چند حسگر (22)
    • 3.3 مروری بر ادبیات عیب‌یابی به کمک چند حسگر (22)
    • 4.3 نتیجه گیری (27)
  • فصل4 توسعه الگوریتم هوشمند عیب‌یابی مبتنی بر موتور استنتاج فازی (29)
    • 1.4 مقدمه (29)
    • 2.4 پردازش سیگنال‌های ارتعاشی و استخراج مشخصه‌های تعمیم‌پذیر (30)
    • 3.4 تعیین مشخصه‌ها و قوانین مناسب برای تفکیک داده‌های ارتعاشی ناهمراستایی و نامیزانی با استفاده از الگوریتم درخت تصمیم42F (35)
    • 4.4 توسعه موتور استنتاج فازی قاعده محور برای تشخیص عیوب ناهمراستایی و نامیزانی (39)
  • فصل5 ارزیابی سیستم‌ها و بررسی نتایج (42)
    • 1.5 مجموعه داده‌های آزمایشگاهی و صنعتی مورد استفاده در این پژوهش (42)
    • 2.5 بررسی عملکرد سیستم‌ها روی مجموعه داده‌های آزمایشگاهی و صنعتی (44)
    • 3.5 بررسی عملکرد شبکه عصبی مصنوعی در شرایط مشابه سیستم‌های فازی (47)
    • 4.5 مقایسه عملکرد سیستم فازی و شبکه عصبی روی مجموعه داده‌های آزمایشگاهی و صنعتی (50)
  • فصل6 جمع‌بندی و نتیجه‌گیری (52)
    • 1.6 جمع‌بندی (52)
    • 2.6 پیشنهاد‌ها و تحقیقات آینده (52)
  • منابع یا مراجع (53)
  • پیوست1 (59)
  • شکل 1- نمودار توابع عضویت برای ورودی "مولفه 2 برابر دور ماشین بی بعد شده در سیگنال شتاب حسگر سمت محرک در راستای افقی" (59)
  • شکل 2- نمودار توابع عضویت برای ورودی "جمع مولفه 1، 2 و 3 برابر دور ماشین بی بعد شده در سیگنال شتاب" (59)
  • شکل 3- نمودار توابع عضویت برای ورودی "نسبت مولفه 1 برابر دور ماشین در راستای شعاعی به جمع مولفه‌های 1 تا 10 برابر دور ماشین بی بعد شده در سیگنال شتاب" (59)
  • شکل 4- نمودار توابع عضویت برای خروجی مدل فازی برای تشخیص ناهمراستایی (60)
  • شکل 5- نمودار توابع عضویت برای خروجی مدل فازی برای تشخیص نامیزانی (60)
Loading...