استفاده از روش ترکیبی شبکه‌های عصبی مصنوعی و الگوریتم‌های ژنتیک در معکوس‌سازی داده‌های مدل چهار لایه‌ای گمانه‌زنی الکتریکی

در مقاله حاضر، مدل‌سازی معکوس مدل چهار لایه‌ای گمانه‌زنی الکتریکی (شامل 8 نوع منحنی متفاوت)، با استفاده از یک روش ترکیبی شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک، انجام شده است. برای این منظور، ابتدا، 2000 داده مصنوعی مقاومت‌ویژه برای حالت‌های مختلف گمانه‌زنی الکتریکی با استفاده از نرم‌افزار Resix-IP، تولید شد. سپس، دسته‌بندی انواع منحنی‌های مربوط به مدل‌های چهار لایه‌ای مقاومت ویژه با استفاده از روش شبکه‌های عصبی مصنوعی پیش‌خور با الگوریتم پس‌انتشار خطا، مبتنی بر سعی و خطا در آموزش داده‌ها، بنحو مطلوبی انجام شد. شبکه بهینه طبقه بندی کننده، از22 نرون لایه ورودی، 33 نرون لایه میانی و 8 نرون لایه خروجی، تشکیل شده بود. در ادامه با استفاده از روش الگوریتم‌های ژنتیک، معکوس‌سازی داده‌های مقاومت ویژه برای مدل چهار لایه‌ای گمانه‌زنی الکتریکی انجام شد. نتایج بدست آمده مقادیر مقاومت‌ویژه، نشان دهنده تطابق بسیار مطلوب بین خروجی روش الگوریتم ژنتیک و داده‌های آزمایشی بودند. بطور نمونه، ضرایب همبستگی بسیار بالا (99/0، 82/0، 83/0 و 97/0) و (99/0، 92/0، 93/0 و 97/0)، مقادیرمقاومت ویژه در لایه‌های اول تا چهارم، بترتیب در مدل‌‌های منحنی مربوط به انواع AA و AK، بخوبی بیانگر این تطابق مطلوب است. از طرفی، مقادیر ضخامت لایه‌‌ها در لایه‌های اول همه منحنی‌ها با استفاده از روش الگوریتم‌های ژنتیک، بصورت مناسبی تخمین زده شده‌اند، در حالیکه، مقادیر ضرایب همبستگی آنها در لایه‌های دوم (با 81/0 و 88/0) و سوم (79/0 و 71/0) این نوع از منحنی‌ها، نشان‌دهنده کارآیی نسبی این روش است.