بررسی امکان به کارگیری شبکه های عصبی مصنوعی در مدل سازی وارون دوبعدی ترکیبی داده های مد قطبش روش مکنتوتلوریک

روش مگنتوتلوریک یکی از روش های الکترومغناطیس با چشمه طبیعی است که برای کسب اطلاعات الکتریکی از ساختارهای زیرزمینی استفاده می شود. کاربرد این روش، بیشتر برای اکتشاف منابع زمین گرمایی، نفت و ذخایر معدنی است. با توجه به اینکه داده های اندازه گیری شده در روش مذکور حجیم و دارای ساختاری پیچیده هستند، از این رو مدل سازی وارون داده های حاصل نسبت به دیگر روش های الکتریکی مشکل تر و در بعضی از موارد ناممکن است. هدف این مقاله، بر این است که قابلیتهای شبکه های عصبی مصنوعی برای مدل سازی وارون ترکیبی داده های فاز و مقاومت ویژه دو مد قطبش این روش مورد بررسی قرار گیرد. به منظور نیل به این هدف از شبکه پرسپترون چند لایه با قانون فراگیری پس انتشار خطا استفاده شد. برای آموزش و طراحی شبکه مناسب، چندین مدل مصنوعی در گروه مورد نظر ساخته شد و سپس با مدل سازی مستقیم داده های مقاومت ویژه و فاز آنها برای دو مد قطبش الکتریکی عرضی: Transverse Electric) TE) و مغناطیس عرضی: Transverse Magnetic) TM) در چندین بسامد تولید شد. پس از بررسی های جامع، یک شبکه پرسپترون سه لایه با ساختار 9-9-396 طراحی شد و از آن برای مدل سازی دو بعدی استفاده شد. بررسی نتایج به دست آمده نشان می دهد که شبکه طراحی شده از دقت قابل قبولی برای مدل سازی داده های مگنتوتلوریک برخوردار است، به گونه ای که برای یکی از مدلهای آزمایشی، مقدار میانگین خطای نسبی در نبود نوفه 9/3 درصد و در حضور 5 درصد نوفه 9/6 درصد است، که این امر حاکی از دقت خوب شبکه در برآورد پارامترهای مدل زیرزمینی است. همچنین نتایج مدل سازی شبکه برای یک مجموعه داده های صحرایی و مقایسه آن با نتایج یکی دیگر از روش های معمول مدل سازی وارون نشان می دهد که مدلها و پارامترهای به دست آمده توسط دو روش فوق، از شباهت و همخوانی خوبی برخوردار هستند که این مطلب گویای توانمندی شبکه طراحی شده برای مدل سازی داده های مورد نظر است.