Ekstremal öyrənmə maşınının neft yatağının proksi-modelləşdirilməsinə tətbiqi ilə bağlı mühüm nəticələr əldə olunub İyul 04, 2022 | 09:43 / Yeni nəşrlər

AMEA İnformasiya Texnologiyaları İnstitutu əməkdaşlarının həmmüəllifliyi ilə çap edilmiş “Ekstremal öyrənmə maşınının neft yatağının proksi-modelləşdirilməsinə tətbiqi” (“Application of Extreme Learning Machine to Reservoir Proxy Modeling”, DOI: https://doi.org/10.1007/s10666-022-09843-4) adlı məqalə nüfuzlu Environmental Modeling & Assessment jurnalında çapa qəbul olunmuşdur.

Məqalənin müəllifləri AMEA-nın vitse-prezidenti, İnformasiya Texnologiyaları İnstitutunun baş direktoru, akademik Rasim Əliquliyev, texnika üzrə elmlər doktoru, dosent Yadigar İmamverdiyev və aparıcı elmi işçi, texnika üzrə fəlsəfə doktoru, dosent Lyudmila Suxostatdır.

SOCAR qrant layihəsi çərçivəsində hazırlanmış məqalədə neft yatağının istismar tarixinin adaptasiyası məsələsi üçün üç gizli laya malik ekstremal öyrənmə maşınlarına (Extreme Learning Machine, ELM) əsaslanan proksi model işlənmişdir. Eksperimentlər təklif olunan modelin tarixi adaptasiya baxımından polinom reqressiyasına və radial-bazis funksiyalı bir laylı süni neyron şəbəkəsinə əsaslanan proksi modellərə nisbətən üstünlüklərini göstərmişdir. Model müxtəlif metrikalardan (RMSE, NRMSE, MAPE və s.) istifadə edilməklə qiymətləndirilmişdir və kollektorun debitini yüksək dəqiqliklə proqnozlaşdırır. Bu qiymətləndirmələr ekstremal öyrənmə maşınlarına əsaslanan təklif olunmuş proksi modelin etibarlılığını və səmərəliliyini sübut edir. Model həmçinin SPOCU, siqmoid funksiyası, hiperbolik tangens, ReLU, Leaky ReLU və TanhRe kimi müxtəlif aktivləşdirmə funksiyalarından istifadə etməklə də qiymətləndirilmişdir. SPOCU aktivləşdirmə funksiyasının istifadəsi təklif olunan 3ELM proksi modelinin rezervuar xassələrinin proqnozlaşdırılmasının dəqiqliyini artırmaq üçün tətbiqinin mümkünlüyünü təsdiq etmişdir.

Qeyd edək ki, “Environmental Modeling & Assessment” jurnalı aşağıdakı elmmetrik göstəricilərə malikdir:

Impact Factor: 2.016

5-Year Impact Factor: 1.938

Source Normalized Impact per Paper (SNIP): 0.818

CiteScore: 3.70

SCImago Journal Rank (SJR): 0.467

© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.

İŞ FƏALİYYƏTİNİZƏ BİZİMLƏ BAŞLAYIN!
Ətraflı
BİZİM YARADICI VƏ ÖZÜNƏMƏXSUS İDEYALARIMIZA ETİBAR EDİN!
Ətraflı
ƏLVERİŞLİ QİYMƏTLƏRƏ KEYFiYYƏTLİ VƏ RƏNGARƏNG NƏŞRİYYAT İŞLƏRİ!
Ətraflı
İT BİLİKLƏRİNİZİ İNKİŞAF ETDİRƏRƏK KARYERANIZI DƏYİŞİN!
Ətraflı
ZƏNGİN E-KİTABXANA XİDMƏTLƏRİ!
Ətraflı