فایل ورد کامل شناسایی نوع منفذ کربنات براساس فیزیک سنگ با استفاده از طبقه بندی کننده پارزن

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل شناسایی نوع منفذ کربنات براساس فیزیک سنگ با استفاده از طبقه بندی کننده پارزن،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

۵-۳ نتیجه طبقه بندی
طبقه بندی کننده پارزن با مجموعه ای از ویژگی های منتخب برای مجموعه داده های مربوط به سه چاه سازند سروک اعمال شده است و انواع منافذ تعیین شده بطور جداگانه در هر چاه شناسایی شده اند. برای هر چاه منحصربفرد، طبقه بندی کننده در برابر ۷۰ درصد از نقاط داده هایی که بطور تصادفی انتخاب شده اند مورد آموزش قرار می گیرند و دقت آن در شناسایی رده های موردنظر بوسیله ی ۳۰ درصد از نقاط باقیمانده آزموده می شود. از ماتریس در هم ریختگی برای نشان دادن نتایج فرایند طبقه بندی استفاده می شود. برای تعیین کارایی طبقه بندی کننده، میزان صحت طبقه بندی (CCR) با تقسیم اثر ماتریس درهم ریختگی بر تعداد طبقات محاسبه می شود.
اندازه پنجره مربوط به طبقه بندی کننده پارزن (یعنی، h) از طریق اندازه گیری CCR برای مقادیر مختلف h بهینه سازی می شود. مقدار بهینه h مقداری است که بیشترین CCR را بوجود می آورد. شکل ۱۰ طرح CCR را دربرابر h در چاه شماره ۱ نشان می دهد. همانطور که در شکل مشاهده می شود، ۰۰۲ مقدار بهینه h است که اثر ماتریس درهم ریختگی را به ۲۲۶ بیشینه می سازد.

عنوان انگلیسی:Rock physics-based carbonate pore type identification using Parzen classifier~~en~~

۵۳ Classification result

The Parzen classifier with the selected feature set has been applied to available dataset related to three wells of the Sarvak Formation and defined pore types are identified in each well separately. For each individual well, the classifier is trained against 70% of the randomly selected data points and its accuracy in identifying desired classes is tested by the remaining 30%. Confusion matrix is used to show the results of classification process. To determine the efficiency of the classifier, Classification Correctness Rate (CCR) is computed by dividing the trace of confusion matrix by number of classes. The window size related to the Parzen classifier (i.e. h) is optimized through measuring the CCR for different h values. The optimum h value is the one that generates the highest CCR. Fig. 10 shows the plot of the CCR versus h in well No.1. As it can be seen in the figure, 0.02 is optimum h value which maximizes the confusion matrix trace to 2.26.

$$en!!