برآورد عمق وشکل حفره های زیرزمینی با استفاده از دستگاه واسط عصبی فازی تطبیقی چندگانه با داده های گرانی سنجی
نویسندگان
چکیده مقاله:
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 خروجی یکی فاکتور شکل حفره زیرزمینی وخروجی دیگری عمق مربوط به حفره می باشد. به منظور امتحان دقت عملکرد شبکه عصبی فازی طراحی شده در حضور نویز، روش ارائه شده ابتدا برای داده های مصنوعی با 5 درصد و10 درصد نویز مورد آزمون قرار گرفت . در مجموع نتایج نشان داد استفاده توام از شبکه های عصبی ومنطق فازی علاوه بر آن که ابزاری مفید جهت کمک به مفسردر مرحله تفسیر عمق وشکل حفره های زیرزمینی از روی داده های گرانی است، بلکه صحت تفسیر بی هنجاری های گرانی را نیزافزایش می دهد . همچنین بر خلاف روشهای موجود با رهیافت عصبی محض در اینجا بدون پیش فرض شکل درباره چشمه گرانی امکان تخمین شکل چشمه علاوه بر تخمین عمق آن وجود دارد. پس از اطمینان از صحت عملکرد شبکه عصبی- فازی طراحی شده برای داده های مصنوعی، به منظور امتحان روی داده های واقعی برای داده های گرانی سایت بند باهاما تست ومورد ارزیابی قرار گرفت که با نتایج واقعی حاصل از گمانه زنی ها و حفاری های موجود تطابق خوبی دارد
منابع مشابه
مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه
در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل ...
متن کاملبرآورد عمق ناپیوستگی موهو برای ایران با استفاده از داده های گرانی سنجی زمینی
چکیده تعیین ضخامت پوسته با استفاده از دادههای بیهنجاری گرانی یکی از تحقیقات بنیادی در علم ژئوفیزیک و زمینشناسی محسوب میشود. هدف از این مطالعه برآورد عمق موهو (تعیین ضخامت پوسته) برای ایران با استفاده از داده های گرانیسنجی زمینی است. به همین منظور در ابتدا با استفاده از دادههای بیهنجاری هوای آزاد و اعمال تصحیح توپوگرافی، بیهنجاری بوگه محاسبه شده و سپس اطلاعات بیهنجاری بوگه در یک فرآیند وارون سا...
15 صفحه اولتخمین 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 کاملتعیین مؤلفه باقی¬مانده داده¬های گرانی¬سنجی با استفاده از روش مدل سازی نمودار احتمال
در این مقاله روش مدلسازی نمودار احتمال در برآورد مؤلفه باقیمانده دادههای گرانیسنجی منطقهای در جنوب غرب زاگرس، به کار رفته است. بر اساس تحلیل دادهها و تغییرپذیری روند مدل برازش شده بر نمودار احتمال، مؤلفههای ناحیهای و باقیمانده از یکدیگر تفکیک شدهاند. تقریب مرتبه اول، دوم و بهینه از مؤلفه باقیمانده دادهها بر اساس مرزهای متفاوت حاصل از مدلسازی نمودار احتمال ترسیم شده است. در نقشهها...
متن کاملوارون سازی داده های گرانی سنجی با استفاده از پایدارکننده نرم یک
در این مقاله روشی برای وارونسازی دادههای گرانیسنجی با استفاده از تابع منظمکننده نرم یک ارائه شده است. استفاده از این نوع پایدارکننده مساله وارون را به سمت حصول جوابهایی متراکم و با مرزهای تیز سوق میدهد، بنابراین برای بازسازی ساختارهای زمین-شناسی دارای مرزهای گسسته مناسب است. ارتباط نزدیک بین منظم کننده نرم یک با قید فشردگی بررسی شده است. برای محاسبه جوابی که تابع هدف نرم 1 را کمینه کند، ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 42 شماره 3
صفحات 535- 548
تاریخ انتشار 2016-11-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023