<span lang="FA">تخمین عمق سنگ <span dir="LTR" lang="FA"> <span lang="FA">بستر از داده مغناطیس هوابرد در حوزه رسوبی ریگ جن با استفاده <span dir="LTR" lang="FA">‎<span lang="FA">از شبکه های عصبی عمیق

در این پژوهش، یک مدل شبکه عصبی عمیق برای وارون سازی غیرخطی داده های مغناطیسی هوابرد به منظور برآورد عمق سنگ بستر مغناطیسی در حوضه رسوبی ریگ جن واقع در کویر بزرگ ایران توسعه و به کار گرفته شد. با توجه به نبود داده های واقعی برچسب دار، ابتدا مجموعه ای بزرگ و متنوع از داده های مصنوعی با استفاده از مدل های تصادفی سنگ بستر و حل تحلیلی مسئله پیش رو تولید شد. یک شبکه پرسپترون چندلایه با سه لایه پنهان و ۲۱۵ نورون در هر لایه، با استفاده از این داده ها آموزش داده شد. مدل آموزش دیده توانست نگاشت بین آنومالی های مغناطیسی و عمق سنگ بستر را با دقت مطلوب بیاموزد. ارزیابی برروی داده های مصنوعی همراه با نویز، پایداری قابل قبول مدل را نشان داد. نتایج اعمال مدل بر هشت پروفیل متقاطع در منطقه ریگ جن، عمق سنگ بستر را در بازه ۵ تا ۱۴ کیلومتر و با بیشترین عمق در بخش شمال غربی حوضه برآورد کرد. سازگاری نتایج در نقاط تقاطع پروفیل ها (میانگین اختلاف حدود ۴۰۰ متر) و انطباق آن با الگوی کلی داده های مغناطیسی، عملکرد مدل را تایید نمود. تحلیل عدم قطعیت نیز حساسیت نتایج به تغییرات خودپذیری مغناطیسی را بررسی کرد. این مطالعه نشان می دهد که رویکرد مبتنی بر شبکه عصبی عمیق، با سرعت بالا و کاهش وابستگی به مدل اولیه، ابزاری موثر برای اکتشاف ساختار عمقی در حوضه های رسوبی با پوشش رسوبی ضخیم است.

کلیدواژه ها:

سنگ بستر مغناطیسی ، شبکه عصبی عمیق ، وارون سازی داده های مغناطیس