Depth estimation of subsurface cavities via Multi Layer Perceptron Neural Network from microgravity data
محل انتشار: دوازدهمین کنفرانس ژئوفیزیک
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 3,102
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GCI12_008
تاریخ نمایه سازی: 11 دی 1384
چکیده مقاله:
We aim to estimate the depth of subsurface cavities from microgravity data through a Multi Layer Perceptron(MLP) neural network.Infact, this method is an intelligent way to interpret microgravity data and gain an estimation of depth. The MLP neural network was trained for two main models of cavities: sphere and cylinder in a domain of radius and depth. We tested different MLP’s with different number of neurons in the hidden layer and obtained the optimum value for number of neurons in the hidden layer. Then it was tested in present of ٣٠٪ noise(S/N=.٣), and also tested for real data. It presented good results for depth estimation of subsurface cavitie
کلیدواژه ها:
نویسندگان
Alireza Hajian
Institute of geophysics, Tehran University
V.E.Ardestani
Head of gravity, Institute of geophysics, Tehran University
Caro Lucas
Head of control, Electrical Engineering Department, Tehran university
Mohaddeseh Hajian
Geology Department,Isfahan University