تخمین عمق گنبدهای نمکی با استفاده از داده های گرانی از طریق شبکه عصبی رگرسیون تعمیم یافته، مطالعه موردی: میدان مورس، دانمارک
- سال انتشار: 1394
- محل انتشار: مجله فیزیک زمین و فضا، دوره: 41، شماره: 3
- کد COI اختصاصی: JR_JESPHYS-41-3_007
- زبان مقاله: فارسی
- تعداد مشاهده: 68
نویسندگان
استادیار، گروه فیزیک، دانشکده مهندسی هسته ای و علوم پایه، دانشگاه آزاد اسلامی واحد نجف آباد
۱استادیار، گروه فیزیک، دانشکده مهندسی هسته ای و علوم پایه، دانشگاه آزاد اسلامی واحد نجف آباد
چکیده
در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکه عصبی رگرسیون تعمیم یافتهGRNN، از طریق داده های گرانی سنجی بررسی شده است. بدین منظور یک شبکه عصبی GRNN به وسیله داده های گرانی که از روش پیشرو، مدل گنبد نمکی را به دست می آورد، به ازای اعماق مختلف به دست آمده آموزش داده شد و با محاسبه خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس به منظور تست شبکه از داده های مصنوعی با ۵ درصد و۱۰ درصد نویز استفاده شد که دقت خوبی (خطای نسبی تخمین عمق در حضور ۵ درصد نویز برابر با ۸/۳ درصد و در حضور ۱۰ درصد نویز برابر با ۴۳/۵ درصد) را نشان می دهد. همچنین به منظور آزمون شبکه برای داده های واقعی، مشخصه های لازم از داده های گرانی مربوط به گنبد نمکی مورس در دانمارک، استخراج و به عنوان ورودی به شبکه اعمال شد و نتایج تخمین عمق تحلیل و بررسی گردید. نتایج نشان داد که تخمین عمق به دست آمده تا حدود زیادی به مقدار واقعی نزدیک و قابل قبول است.کلیدواژه ها
شبکه عصبی مصنوعی, شبکه عصبی رگرسیون تعمیم یافته, گرانی, گنبد نمکیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.