تخمین عمق گنبدهای نمکی با استفاده از داده های گرانی از طریق شبکۀ عصبی رگرسیون تعمیم یافته، مطالعۀ موردی: میدان مورس، دانمارک

نویسندگان

علیرضا حاجیان

محمود شیرازی

چکیده

در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکۀ عصبی رگرسیون تعمیم یافتهgrnn، از طریق داده های گرانی سنجی بررسی شده است. بدین منظور یک شبکۀ عصبی grnn به وسیلۀ داده های گرانی که از روش پیشرو، مدل گنبد نمکی را به دست می آورد، به ازای اعماق مختلف به دست آمده آموزش داده شد و با محاسبۀ خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس به منظور تست شبکه از داده های مصنوعی با 5 درصد و10 درصد نویز استفاده شد که دقت خوبی (خطای نسبی تخمین عمق در حضور 5 درصد نویز برابر با 8/3 درصد و در حضور 10 درصد نویز برابر با 43/5 درصد) را نشان می دهد. همچنین به منظور آزمون شبکه برای داده های واقعی، مشخصه های لازم از داده های گرانی مربوط به گنبد نمکی مورس در دانمارک، استخراج و به عنوان ورودی به شبکه اعمال شد و نتایج تخمین عمق تحلیل و بررسی گردید. نتایج نشان داد که تخمین عمق به دست آمده تا حدود زیادی به مقدار واقعی نزدیک و قابل قبول است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تخمین عمق گنبدهای نمکی با استفاده از داده‌های گرانی از طریق شبکۀ عصبی رگرسیون تعمیم‌یافته، مطالعۀ موردی: میدان مورس، دانمارک

در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکۀ عصبی رگرسیون تعمیم‌یافتهGRNN، از طریق داده‌های گرانی‌سنجی بررسی شده است. بدین منظور یک شبکۀ عصبی GRNN به وسیلۀ داده‌های گرانی که از روش پیشرو، مدل گنبد نمکی را به دست می‌آورد، به ازای اعماق مختلف به‌دست‌آمده آموزش داده شد و با محاسبۀ خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس به‌منظور تست شبکه از داده‌...

متن کامل

تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده های گرانی سنجی به روش شبکه های عصبی مصنوعی چندلایه

در ژئوفیزیک کاربردی برای نشان دادن توزیع اجرام زیرزمینی اغلب از اجسامی مانند کره، استوانة قائم، منشور قائم، استوانة افقی، گسل قائم، تاقدیس و ناودیس استفاده می شود. در این مقاله برای پیداکردن یک مدل محتمل تر برای گنبد نمکی از شبکه های عصبی مصنوعی استفاده می شود. بدین منظور یک شبکة عصبی چندلایه با بی هنجاری هایی آموزش داده شد که از دو جسم با توزیع های جرمی متفاوت به دست آمده اند و بی هنجاری های م...

متن کامل

تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه

در ژئوفیزیک کاربردی برای نشان‌دادن توزیع اجرام زیرزمینی اغلب از اجسامی مانند کره، استوانة قائم، منشور قائم، استوانة افقی، گسل قائم، تاقدیس و ناودیس استفاده می‌شود. در این مقاله برای پیداکردن یک مدل محتمل‌تر برای گنبد نمکی از شبکه‌های عصبی مصنوعی استفاده می‌شود. بدین منظور یک شبکة عصبی چندلایه با بی‌هنجاری‌هایی آموزش داده شد که از دو جسم با توزیع‌های جرمی متفاوت به دست آمده‌اند و بی‌هنجاری‌های م...

متن کامل

تخمین عمق بی هنجاریهای گرانی با استفاده از شبکه های عصبی هاپفیلد

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

متن کامل

برآورد عمق وشکل حفره های زیرزمینی با استفاده از دستگاه واسط عصبی فازی تطبیقی چندگانه با داده های گرانی سنجی

در این مقاله به منظور اکتشاف حفرات زیرزمینی با شکلهای نزدیک به کره، استوانه افقی یا عمودی ودر راستای بالابردن دقت نتایج تفسیر بی هنجاریهای گرانی ،کمک به تجربیات مفسر و مقاومت بیشتر در برابر سطوح متفاوت نوفه ، از شبکه عصبی-فازی تطبیقی چند گانه MANFIS استفاده شده است. در این پژوهش با قرار گرفتن دو سیستم عصبی فازی تطبیق پذیر به صورت موازی با یکدیگر یک شبکه عصبی-فازی تطبیق پذیر چند گانه طراحی شد که...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فیزیک زمین و فضا

ناشر: موسسه ژئوفیزیک دانشگاه تهران

ISSN 8647-1025

دوره 41

شماره 3 2015

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023