مقایسه روش حداقل مربعات در تخمین عمق بی هنجاری های اشکال ساده (MLP) گرانی با روش شبکه های عصبی مصنوعی چند لایه پرسپترو

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,136

فایل این مقاله در 8 صفحه با فرمت PDF 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:

MININDC02_027

تاریخ نمایه سازی: 18 دی 1391

چکیده مقاله:

در این مقاله به کاربرد شبکه های عصبی مصنوعی در مدل سازی وارون برای اجسام مدفون می پردازیم و نتایج را با مقایسه با مدل های مرسوم و متداول دیگر از قبیل کمترین مربعات و روش اشکال ساده بررسی خواهیم کرد. کره، استوانه قائم واستوانه افقی و ترکیب آن ها و نیز داده های همراه با نویز را برای این اشکال ایده ال بررسی خواهیم کرد. اشکال ساده گرانی یک روش مناسب جهت آغاز به کار در تخمین عمق ساختار طبیعی مدفون در زمین می باشد زیرا با در نظر گرفتنیک بی هنجاری به شکل طبیعی خود می توان آن را مجموعه ای از اشکال ساده دانست که با ترکیب آن ها شکل طبیعیبی هنجاری به دست می آید.

کلیدواژه ها:

شبکه عصبی مصنوعی ، پرسپترون چند لایهMLP) روش حداقل مربعات ، عامل ساختار

نویسندگان

پوریا جندقیان

دانشجوی کارشناسی ارشد ژئوفیزیک دانشگاه آزاد همدان

فرزانه گل محمدی

دانشجوی کارشناسی ارشد ژئوفیزیک دانشگاه آزاد همدان

سعیده جلیلوند

دانشجوی کارشناسی ارشد ژئوفیزیک دانشگاه آزاد همدان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Essa, K.S. (2007), A simple formula for shape and depth ...
  • Asfahani, J., and M. Tlas (2008), An automatic method of ...
  • Salem, A., D. Ravat, R. Johnson, and K. Ushijima (2001), ...
  • Eslam, E, A. Salem, and K. Ushijima (2001), Detection of ...
  • Hajian, A.R. (2004), Depth estimation of gravity data by neural ...
  • Gret (1998) Application of Artifical Neural Network for Gravity Interpretation ...
  • Abdelrahman, E.M., A.I. Bayoumi, Y.E. Abdelhady, M.M. Gobashy, and H.M. ...
  • Maysam Abedi, Ahmad Afshar, Vahid E. Ardestani , Gholam H. ...
  • Hajian, A. R., Ardestani, E. V., Lucas, C. and Saghaiannejad, ...
  • نمایش کامل مراجع