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

  • سال انتشار: 1402
  • محل انتشار: اولین کنفرانس ژئوفیزیک کاربردی در معادن
  • کد COI اختصاصی: GEOMINE01_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 450
دانلود فایل این مقاله

نویسندگان

دانیال عبدالکریمی راوری

کارشناسی مهندسی معدن، دانشگاه شهید باهنر کرمان

اسما احمدی

کارشناسی ارشد مکانیک سنگ، دانشگاه شهید باهنر کرما ن

مریم میرحسینی

دکتری حرفه ای آنستزیولوژی، دانشگاه علوم پزشکی کرمان

نگین اشرف

کارشناسی مهندسی معدن، دانشگاه شهید باهنر کرمان

امیرحسین نجف آبادی پور

دکتری مهندسی معدن، دانشگاه شهید با هنر کرمان

چکیده

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.

مقالات مرتبط جدید

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.