بکارگیری شبکه عصبی مصنوعی جهت پیش بینی جنس لایه های خاک با استفاده از اطلاعات حفاری های موجود ـ مطالعه موردی پروژه سرای محله منطقه 22 تهران پیکان شهر
- سال انتشار: 1390
- محل انتشار: هشتمین کنفرانس دانشجویی مهندسی معدن
- کد COI اختصاصی: SMEC08_075
- زبان مقاله: فارسی
- تعداد مشاهده: 938
نویسندگان
دانشجوی کارشناسی ارشد معدن
دانشیاردانشگاه تربیت مدرس تهران
استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
دانشجوی کارشناسی ارشد زمین شناسی
چکیده
روشهای مرسوم برای تعیین جنس لایه های خاک درحدفاصل بین گمانه ها دارای فرضیات و پیچیدگی هایی هستند بعضا امکان دارد درطول حفاری یک گمانه دربعضی اعماق تهیه نمونه مناسب میسر نشود دراین مقاله با استفاده از اطلاعات گمانه های موجود برای پروژه سرای محله منطقه 22ت هران پیکان شهر و با کمک شبکه عصبی مصنوعی روشی برای تشخیص لایه ها ارایه شده است برای این منظور مختصات هرلایه به عنوان ورودی شبکه و جنس لایه نیز به عنوان خروجی درنظر گرفته شده است بعدازطراحی شبکه مورد نظر ازالگوریتم انتشار سریع جهت آموزش شبکه استفاده شده است نرخ طبقه بندی صحیح به دست آمده 100درصد از داده های تست درمرحله تست حاکی ازانطباق مناسب شبکه طراحی شده با هدف این تحقیق بوده استکلیدواژه ها
گمانه، شبکه عصبی مصنوعی، الگوریتم انتشار سریعمقالات مرتبط جدید
- پتانسیل کانیزایی و تشکیل بوکسیت در برگه علیآباد شمال استان سمنان
- کاربرد تلفیق تصاویر اپتیکال و راداری در بارزسازی سنگهای دگرسان شده و اکتشاف کانسارهای معدنی: مطالعات موردی از مصر، اندونزی و ایران
- شناسایی تاثیر لاگ های ژئو فیزیکی دراکتشافات نفت با تاکید بر چالش های تولید نفت در آب های عمیق تضمین جریان
- مروری بر مهندسی محیط زیست، توسعه پایدار، تجارت بین الملل و مدیریت منابع
- نقش هوش مصنوعی در ارتقای بهرهوری صنعت سنگ های ساختمانی
اطلاعات 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.