عنوان
تفسير بي هنجاريهاي گراني با روشهاي بهينه سازي جستجوي عمومي
نویسنده (گان)
شبنم ابوالفتحي
چکیده مقاله
يکي از روشهاي معمول که براي تفسير و تحليل داده هاي ژئوفيزيکي بکار مي رود روش معکوس سازي داده هاي ژئوفيزيکي مي باشد. اين روش معمولاً با کمينه سازي يک تابع هدف که معمولاً يک تابع غيرخطي از پارامترهايي است که يک مدل را توصيف مي کند، صورت مي گيرد و با استفاده از روشهاي بهينه سازي رهيافت مي گردد.. روش بهينه سازي با انتخاب يک مدل اوليه که شامل پارامترهاي اوليه آن مدل مي باشد شروع شده و طي عمل کمينه سازي و با روشهاي بهينه سازي مختلف، اين پارامترهاي اوليه بهينه مي شوند. اين روند طي دوره هاي تکرار، تا جايي ادامه مي يابد که تابع هدف به مقدار کمينه تعريف شده اي برسد. در اين تحقيق روش بهينه سازي ژنتيک آلگوريتم به همراه روش شبکه عصبي براي برگردان داده هاي بي هنجاري هاي گراني، جهت بهينه سازي پارامترهاي يک مدل گراني بکار گرفته شده است. مزيت بکار گيري اين ترکيب آن است که نياز به يک مدل اوليه از قبل نمي باشد که اين خود مشکل بسياري از مسائل معکوس سازي مي باشد. برنامه اي براي تهيه يک مدل دو بعدي پيشرو گراني فراهم شده است که در روش ژنتيک آلگوريتم بکار برده مي شود. براي عمل برگردان سازي داده هاي گراني، ابتدا با تعريف يک مدل و پارامترهاي اوليه آن بصورت تصادفي توسط الگوريتم ژنتيک، اين پارامترها طي دوره¬هاي تکرار توسط اين الگوريتم بهينه مي¬شوند و بهترين مدل نهايي حاصل ميگردد. براي بهينه سازي بهتر اين مدل و پارامترهاي مرتبط با آن، اين مدل به عنوان مدل اوليه به الگوريتم شبکه عصبي وارد شده که توسط آن بهينه تر مي شوند. کارايي بکار گيري اين روشهاي ترکيبي ابتدا روي داده هاي گراني توليد شده مصنوعي بدون نوفه و نوفه و سپس جهت تفسير داده هاي بي هنجاري گراني برداشت شده در روي زمين بکار گرفته شده است. نتايج حاصل از بهينه سازي توسط ترکيب دو روش، نشان مي دهد که اين ترکيب مي تواند براي تفسير داده هاي گراني بدون نياز به داشتن يک مدل اوليه از قبل بکار برده شود.

متن کامل مقاله