وارون سازی داده های سونداژ الکتریکی قائم با استفاده از شبکه عصبی همامیختی-خودرمزگذار

چکیده مقاله

روش سونداژ الکتریکی قائم VES یکی از روش های پرکاربرد در ژئوفیزیک اکتشافی به حساب می آید این روش عموما در اکتشاف آب، معدن و نیز بررسی آلودگی های ناشی از هیدروکربن ها مورد استفاده قرار می گیرد یکی از چالش های فرآیند تفسیر داده های این روش، فرآیند وارون سازی این داده ها است وارون سازی داده های سونداژ الکتریکی قائم همواره نیازمند انتخاب درست پارامترهای وارون سازی و تصمیمات کاربران است این موضوع به خصوص در روش های وارون سازی کلاسیک مرسوم بیشتر مشاهده می شود روش های مبتنی بر یادگیری عمیق توانسته اند بر این ضعف روش های وارون سازی کلاسیک غلبه کرده و نیاز به انتخاب پارامتر را کمتر کنند در این پژوهش، یک چارچوب یادگیری عمیق مبتنی بر ترکیب شبکه عصبی همامیختی CNN و شبکه عصبی خودرمزگذار Autoencoder معرفی خواهد شد تا بتواند نیاز به انتخاب پارامتر مناسب برای وارون سازی را کمتر کند روش پیشنهادی بر روی داده های مصنوعی آلوده به نوفه و همچنین یک مجموعه داده واقعی آزمایش خواهد شد و نشان داده می شود که با یکبار انتخاب درست فراپارامترها در روش های مبتنی بر یادگیری عمیق می توان به نتایج وارون سازی مطلوبی دست یافت نتایج حاصل از این آزمایش نشان خواهد داد که روش معرفی شده در این مقاله در مقایسه با روش های مرسوم عملکرد دقیق تر و پایدارتری دارد

کلیدواژه‌ها

نویسندگان

پریسا پورمجیدی

دانشجوی کارشناسی ارشد، دانشگاه تحصیلات تکمیلی علوم پایه زنجان

حجت حق شناس لاری

استادیار گروه ژئوفیزیک، دانشگاه تحصیلات تکمیلی علوم پایه زنجان

پورمجیدی، پریسا و حق شناس لاری، حجت،1404،وارون سازی داده های سونداژ الکتریکی قائم با استفاده از شبکه عصبی همامیختی-خودرمزگذار،هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت،تهران

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت23 مهر 1404 · تهران