مدلسازی داده های مقاومت الکتریکی با استفاده از یادگیری عمیق: مقایسه BLSTM و BGRU در دقت و کارایی پیش بینی

روش ژئوالکتریک، به عنوان یکی از تکنیک های مرسوم در اکتشاف منابع آب زیرزمینی، امکان تحلیل و تفسیر ویژگی های الکتریکی لایه های زیرسطحیزمین را فراهم میکند. با پیشرفتهای اخیر در حوزه یادگیری عمیق، استفاده از این رو شها در مدل سازی داده های ژئوالکتریک به دلیل تواناییشاندر پردازش داده های پیچیده و غیرخطی، به ابزاری قدرتمند و ارزشمند در اکتشافات ژئوفیزیکی تبدیل شده است. در این مطالعه، به منظور مدل سازیداده های مقاومت الکتریکی جهت اکتشاف آب زیرزمینی، از دو مدل یادگیری عمیق حافظه بلندمدت-کوتا همدت دوطرفه و واحد بازگشتی درواز هداردوطرفه استفاده شده و نتایج هر دو مدل از نظر دقت و کارایی مقایسه شده است. داده های به کاررفته مربوط به مقاومت الکتریکی در چهار سونداژالکتریکی اطراف شهرستان ارزوئیه بوده و نتایج تحلیل های گرافیکی و آماری نشان دهنده برتری دقت مدل حافظه بلندمدت-کوتاه مدت دوطرفه (باضریب همبستگی ۹۵ / ۰ و میانگین درصد خطای مطلق ۴۲ / ۰) نسبت به مدل واحد بازگشتی دروازه دار دوطرفه است .

کلیدواژه ها:

مد لسازی مقاومت الکتریکی ، یادگیری عمیق ، BLSTM ، BGRU