وارونسازی دادههای لرزهای شکست مرزی با استفاده از هوش مصنوعی

عدم یکتایی در نتایج وارون سازی از چالش های اصلی در پردازش دادههای ژئوفیزیکی می باشد. جهت کاهش عدم یکتایی در نتایج وارون سازی، استفاده از اطلاعات زمین شناسی مناسب ، گمانه ها و یا سایر دادههای کمکی بسیار موثر است . اما در بسیاری از موقعیت ها دسترسی به این اطلاعات به دلایل مختلف زمین شناسی میسر نیست و یا از صحت و دقت مناسبی برخوردار نمی باشند. در این شرایط مفسر و یا کاربر ناگزیر به استفاده از وارون سازی بصورت سعی و خطا و مجبور به اتکا به تجربه خود خواهد بود. در این مطالعه یک روش خودکار جدید جهت وارون سازی دادههای شکست مرزی با استفاده از هوش مصنوعی معرفی شده است . در روش پیشنهاد شده از دو شبکه عصبی مصنوعی به صورت ترکیبی برای پیش بینی پارامترهای مدل استفاده شده است . شبکه اول با استفاده از مدل های مصنوعی آموزش دیده و یک مدل اولیه را برای دادههای مشاهده شده پیش بینی می نماید. در ادامه با یک شبکه عصبی مصنوعی ثانویه و با استفاده از اطلاعات به دست آمده از شبکه اول، مدل مناسب و نهایی برای دادههای مشاهده شده پیش بینی می شود. در الگوریتم معرفی شده، هوش مصنوعی اطلاعات کمکی و یا اطلاعات اولیه را بصورت خودکار از دادههای مشاهده شده استخراج کرده و لذا وابسته به کارشناس و یا مفسر نمی باشد. روش معرفی شده با استفاده از دادههای مصنوعی و واقعی مورد آزمون واقع شد و نتایج بیانگر کارایی و صحت و دقت قابل قبول در روش پیشنهاد شده می باشد.

کلیدواژه ها:

هوش مصنوعی ، شکست مرزی ، وارون سازی ، دادههای کمکی