تخمین عمق گنبدهای نمکی با استفاده از داده های گرانی از طریق شبکۀ عصبی رگرسیون تعمیم یافته، مطالعۀ موردی: میدان مورس، دانمارک
Authors
abstract
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.
similar resources
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...
full textتخمین 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...
full textتخمین 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...
full textتخمین 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.
full textبرآورد 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...
full textMy Resources
Save resource for easier access later
Journal title:
فیزیک زمین و فضاPublisher: موسسه ژئوفیزیک دانشگاه تهران
ISSN 8647-1025
volume 41
issue 3 2015
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023