مدلسازی مقاومت الکتریکی با استفاده از بهینه سازی شبکه عصبی پرسپترون چندلایه

روش ژئوالکتریک ، به عنوان یک روش مرسوم در حوزه اکتشافات آب زیرزمینی ، امکان تحلیل و تفسیر ویژگی های الکتریکی زمین را فراهم می آورد. در این راستا، استفاده از روش شبکه عصبی پرسپترون چندلایه به عنوان یک ابزار قدرتمند در مدلسازی دادههای ژئوالکتریک به دلیل استفاده از الگوریتم های غیرخطی که ارائه می دهد، به یکی از حیاتی ترین عناصر درزمینه اکتشافات ژئوفیزیکی تبدیل شده است . در این مطالعه ، از دو بهینه ساز لونبرگ-مارکوارت و گرادیان مزدوج برای مدلسازی مقاومت الکتریکی به منظور اکتشاف آب زیرزمینی استفاده شده است و نتایج به دست آمده از هر مدل با یکدیگر مقایسه شدهاند. برای این منظور، از دادههای مربوط به مقاومت الکتریکی چهار سونداژ الکتریکی در اطراف شهرستان ارزوئیه استفاده شده است . نتا یج گرافیکی و آماری مقایسه مدلها، نشان از دقت بالاتر مدل لونبرگ-مارکوارت (ضریب همبستگی ۹۹.۰ و خطای میانگین مربعات ۰۸.۱) نسبت به مدل گرادیان مزدوج دارد.

کلیدواژه ها:

مقاومت الکتریکی ، یادگیری ماشین ، پرسپترون چندلایه ، لونبرگ-مارکوارت ، گرادیان مزدوج.