دانش رسان |
مرکز علم و دانش کشور مقاله تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تخمین شکل و عمق گنبدهای نمکی با استفاده از تفسیر داده‌های گرانی‌سنجی به روش شبکه‌های عصبی مصنوعی چندلایه :
تعداد صفحات :۲۴
در ژئوفیزیک کاربردی برای نشان‌دادن توزیع اجرام زیرزمینی اغلب از اجسامی مانند کره، استوانه قائم، منشور قائم، استوانه افقی، گسل قائم، تاقدیس و ناودیس استفاده می‌شود. در این مقاله برای پیداکردن یک مدل محتمل‌تر برای گنبد نمکی از شبکه‌های عصبی مصنوعی استفاده می‌شود. بدین منظور یک شبکه عصبی چندلایه با بی‌هنجاری‌هایی آموزش داده شد که از دو جسم با توزیع‌های جرمی متفاوت به دست آمده‌اند و بی‌هنجاری‌های مشابهی تولید می‌کنند. این شبکه آموزش‌دیده قادر خواهد بود نوع جسمی که بی‌هنجاری معینی را تولید کرده است، تشخیص دهد. با استفاده از این تکنیک می‌توان ابهام میان بی‌هنجاری‌های مشابهی را که از توزیع جرم‌های متفاوت تولید می‌شود، بدون استفاده از چگالی رفع کرد. هیچ روش تفسیری وجود ندارد که بدون اینکه برای شکل و تباین چگالی هدف فرضی در نظر بگیرد، مثلاً میان یک تاقدیس و یک ناودیس تمایز قائل شود. در اینجا نشان داده می‌شود که این کار را می‌توان با استفاده از شبکه‌های عصبی مصنوعی برای تفسیر کیفی گرانی انجام داد. با استفاده از آموزش شبکه‌های عصبی مصنوعی چندلایه می‌توان تفسیر کیفی و کمی گرانی انجام داد که در این مقاله آموزش شبکه بر اساس الگوریتم مرسوم پیشرو پس‌انتشار خطا انجام گرفته است. تفسیر کیفی به معنی رفع ابهام میان اجسامی است که بی‌هنجاری مشابهی تولید می‌کنند، ولی در تفسیر کمی با شبکه‌های عصبی چندلایه، پارامترهای مدل (عمق، شعاع، گسترش عمودی و …) به دست می‌آیند. مدل‌های کره و استوانه قائم بهترین مدل‌ها برای نشان‌دادن گنبدهای نمکی‌اند؛ بنابراین از آنجا که از داده‌های واقعی گنبد نمکی هومبل استفاده شد، از مدل کره و استوانه قائم استفاده کردیم. با استفاده از مدل‌های کره و استوانه قائم، مجموعه‌ای از مشخصه‌های (feature) مناسب تهیه و نرمالایز شده و به عنوان ورودی به شبکه عصبی به کار رفتند. از آنجا که قاعده خاصی برای مشخص‌کردن تعداد نورون‌های مناسب لایه پنهان وجود ندارد، با تغییر تعداد نورون‌های لایه پنهان و مقایسه مجموع مربعات خطا (SSE) در هر حالت، بهترین تعداد نورون‌های این لایه به دست آمد. پس از تشخیص تعداد مناسب نورون‌های لایه پنهان شبکه، با داده‌های مصنوعی به‌دست‌آمده از مدل‌های مصنوعی کره و استوانه قائم به آموزش شبکه پرداختیم و در نهایت با استفاده از خروجی‌های شبکه مورد استفاده برای تشخیص شکل بی‌هنجاری و شبکه مورد استفاده برای تعیین پارامترهای بی‌هنجاری، شکل و پارامترهای گنبد نمکی هومبل را به دست آوردیم.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
