سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 336

فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEOC07_012

تاریخ نمایه سازی: 11 مهر 1401

چکیده مقاله مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه

مدل سازی وارون داده های مگنتوتلوریک، به عنوان مهمترین روش اکتشافی الکترومغناطیسی در ژئوفیزیک، به ویژه در حالت سه بعدی بار محاسباتی بالایی را به همراه دارد. بخش قابل توجهی از این بار محاسباتی به واسطه نیاز به حل مسئله ی پیشرو به دفعات زیاد در فرایند وارون سازی است که مستلزم صرف زمان زیادی نیز هست. هدف این تحقیق به کارگیری شبکه های عصبی مصنوعی برای حل سریع تر مسئله پیشرو و برطرف کردن مشکل گفته شده است. به منظور نیل به این هدف از شبکه پرسپترون چند لایه استفاده شد. برای آموزش و طراحی شبکه، یک مدل مصنوعی از کلاس دایک ساخته شد و با تغییر پارامترهای آن شامل ضخامت رولایه، پهنا و شیب دایک و مقادیر تباین مقاومت ویژه الکتریکی، تعداد بسیار زیادی داده مگنتوتلوریک ساخته شد. پس از بررسی های متعدد، یک شبکه پرسپترون با دو لایه پنهان و هر کدام دارای ۵۰ نورون طراحی و از آن برای مدل سازی پیشرو دو بعدی استفاده شد. به این ترتیب به ازای پارامترهای مختلف مدل و مشخص کردن موقعیت ایستگاه مورد نظر، داده های مگنتوتلوریک شامل مقاومت ویژه ظاهری و فاز دو قطبش xy و yx در بازه دوره تناوب های انتخاب شده، تخمین زده می شوند. بررسی نتایج بدست آمده نشان می دهد که شبکه طراحی شده از دقت قابل قبولی برای مدل سازی پیشرو داده های مگنتوتلوریک برخوردار است.

کلیدواژه های مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه:

روش مگنتوتلوریک ، مدلسازی وارون ، مدل سازی پیشرو ، شبکه های عصبی مصنوعی ، شبکه پرسپترون چند لایه

نویسندگان مقاله مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه

سعید متقی نیا

دانشجوی کارشناسی ارشد ژئوفیزیک، موسسه ژئوفیزیک دانشگاه تهران، ایران

بنفشه حبیبیان دهکردی

استادیار گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه تهران، ایران

مقاله فارسی "مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه" توسط سعید متقی نیا، دانشجوی کارشناسی ارشد ژئوفیزیک، موسسه ژئوفیزیک دانشگاه تهران، ایران؛ بنفشه حبیبیان دهکردی، استادیار گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه تهران، ایران نوشته شده و در سال 1401 پس از تایید کمیته علمی هفتمین همایش ملی مهندسی معدن و علوم زمین پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله روش مگنتوتلوریک، مدلسازی وارون، مدل سازی پیشرو، شبکه های عصبی مصنوعی، شبکه پرسپترون چند لایه هستند. این مقاله در تاریخ 11 مهر 1401 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 336 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که مدل سازی وارون داده های مگنتوتلوریک، به عنوان مهمترین روش اکتشافی الکترومغناطیسی در ژئوفیزیک، به ویژه در حالت سه بعدی بار محاسباتی بالایی را به همراه دارد. بخش قابل توجهی از این بار محاسباتی به واسطه نیاز به حل مسئله ی پیشرو به دفعات زیاد در فرایند وارون سازی است که مستلزم صرف زمان زیادی نیز هست. هدف این تحقیق ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله مدل سازی پیشرو تقریبی داده های مگنتوتلوریک با استفاده از شبکه عصبی پرسپترون چند لایه با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.