وارون سازي داده هاي دوبعدي مقاومت ويژه ي الكتريكي لوله هاي زيرسطحي به روش شبكه ي عصبي مصنوعي

وارون سازی داده های ژئوفیزیكی به علت غیرخطی بودن داده ها ، پروسه ای بسیار پیچیده است، بویژه در حالتی كه قدرت تفكیك بسیار بالا در عمقی نفوذ كم مد نظر باشد . در دو دهه ی گذاشته الگوریتم های وارون سازی غیرخطی نظیر شبكه های عصبی و الگوریتم های ژنتیك رشد برای تفسیر داده های ژئوفیزیكی قابل توجهی داشته اند . در این مطالعه بر خلاف روش های معمولی وارون سازی ، تفسیر داده های توموگرافی مقاومت ویژه ی دوبعدی یك خط لوله ی زیرسطحی با قدرت تفكیك بالا از طریق شبكه ی پس انتشار خطا صورت گرفته است . پارامترهای شبكه شامل انواع داده های ورودی و خروجی ، تعداد لایه ها ، تعداد نرون های هر لایه ، مقادیر بهینه ی نرخ یادگیری شبكه ، ضریب مومنتوم و میزان تاثیر آن ها بر مقدار خطای شبكه خواهد بود . پس از انجام ۰ ۲ تكرار خطا به ۰۰۱ . ۰ كا هش یافت . در این پژوهش شبكه ی عصبی طراحی شده موفق شد در مقایسه با نرم افزار ReS2dinV| بهتر و دقیق تر خط لوله ی زیرسطحی را شناسائی كند و تخمینی از عمق و قطر لوله ها نیز بزند .