مدل‌سازی سه‌بُعدی بی‌هنجاری‌های گرانی با استفاده از روش‌ شبکه‌های عصبی تحمیلی

Authors

  • احمد افشار دانشکده مهندسی معدن، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران
  • میثم عابدی دانشکده مهندسی معدن، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران
  • کارو لوکس دانشکده مهندسی برق و کامپیوتر، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران
Abstract:

در این مقاله، از یک روش جدید که شبکه‌های عصبی تحمیلینامیده می‌شود، استفاده شده تا توزیع چگالی نهشته‌های مدفون در مقاطع عمقی متفاوت با فرض مدل‌ مکعبی برای بی‌هنجاری‌های گرانی، پیدا شود. هدف از این مدل‌سازی‌ زمین‌شناسی، پیدا کردن شکل و محل ساختار زیرزمینی در مقاطع سه‌بُعدی است. در اینجا، شبکه‌ای با یک نرون و الگوریتم پس‌‌انتشار خطا برای پیدا کردن اختلاف چگالی، به‌کار رفته است. ازآنجاکه معمولاً در روش‌های مدل‌سازی داده‌های پتانسیل از شبیه‌سازی شکل‌های ساده هندسی استفاده می‌شود؛ در این مقاله سعی شده است که ساختار مورد نظر به صورت ترکیبی از مکعب‌های سه‌بُعدی در نظر گرفته شود تا بتوان هر ساختار نامشخص هندسی را با استفاده از آن مدل کرد. این روش برای مدل‌های مصنوعی نوفه‌دار و بدون نوفه آزمایش شد و بعد از اینکه نتایج رضایت بخشی حاصل شد؛ در مدل‌سازی زغال‌های بیتومینه دهلران ایران درحکم داده‌های واقعی مورد استفاده قرارگرفت. نتایج نهایی به‌دست آمده از این روش، بیانگر نهشته‌ای سطحی است که تا عمق کمتر از 40 متر ادامه دارد.      

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

روش اویلر دوبعدی با استفاده از DST داده‌های گرانی

روش تبدیلات متشابه (DST) ابزازی کاملاً دقیق و خودکار برای تعیین عمق و مختصات آنومالی‌های گرانی از روش اویلر در اختیار ما قرار می‌دهد. استاورو (1997) نتایج استفاده از این روش را در مورد آنومالی‌های مغناطیسی دوبعدی و داده‌های نیمرخی مغناطیسی هوایی نشان داده است. ما این روش را برای داده‌های گرانی مربوط به مدل‌های مصنوعی و داد‌ه‌های واقعی به کار می‌بریم.

full text

مدلسازی پیش­بینی قیمت ارز با استفاده از شبکه­های عصبی

بی­تردید امروزه بیشترین مقدار سرمایه­گذاری از طریق بازار سرمایه در تمام جهان مبادله می­شود.اقتصادهای ملی به­شدت متاثر از عملکرد بازار سرماهی است. به علاوه بازار سرمایه به­عنوان یک ابزار سرمایه­گذاری در دسترس، هم برای سرمایه­گذاران کلان و هم برای عموم مردم شده است. بازارها نه تنها از پارامترهای کلان، بلکه از هزاران عامل دیگر نیز متاثر می­شوند. تعداد زیاد و ناشناخته بودن عوامل موثر در بازار بورس،...

full text

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

full text

مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی

دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش UTMS وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 2

pages  77- 90

publication date 1388-12-01

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023