چکيده
در سالهاي اخير، هوش مصنوعي و سيستمهاي هوشمند داده محور به طور گستردهاي براي مشكلات بهينه
سازي در صنعت اكتشاف و توليد نفت مورد استفاده قرار گرفته است. همچنين به طور خاص تكنيكهاي هوش
مصنوعي بر توصيف ويژگيهاي مخزن نفت و چشم انداز مدل سازي نيز تاثير مثبتي گذاشته است. با اين حال،
مطالعات نشان داده است كه هر تكنيك داراي نقاط قوت و ضعف خود است. بعضي از تكنيك ها توانايي پردازش
داده ها با ابعاد بالا و اجراي سريع را دارند، در حالي كه تكنيك هاي ديگر در مديريت عدم قطعيت ها محدوديت
هايي دارند، فرآيند يادگيري دشواري دارند و نمي توانند با مجموعه دادههاي با ابعاد بالا يا پايين كار كنند.
تكنيكي كه به خوبي بر روي يك مشكل كار مي كند ممكن است در حوزه مشكل ديگري خوب عمل نكند. نياز
به تكنيك هاي قوي وجود دارد كه از نقاط قوت آن بهترين استفاده را براي غلبه بر نقاط ضعف آن در هنگام
توليد بهترين نتايج داشته باشيم. مفاهيم يادگيري ماشين سيستمهاي هوشمند هيبريدي ( )HISپيشنهاد شده
است تا حدودي بر اين مشكل غلبه كند. در اينجا، به تأثير تكنيك هاي هوشمند و داده محور و استفاده ي
تركيبي از اين تكنيكها در فرآيند تعيين خصوصيات و شناخت رفتار مخزن نفت ميپردازيم. با مروري بر
مقالات منتشر شده درمييابيم كه بيشترين كاربردهاي موفقيت آميز سيستمهاي هوشمند داده محور در اين
زمينه زماني محقق ميشود كه ابزارهاي هوشمند مانند شبكهي عصبي مصنوعي، برنامهنويسي و الگوريتمهاي
تكاملي و منطق فازي با هم استفاده شده و يك سيستم هوشمند هيبريدي به كار گرفته شود.
واژههاي كليدي: هوش مصنوعي، سيستمهاي هوشمند هيبريدي، تعيين خصوصيات و شناخت رفتار مخزن
