تخمین عمق گنبدهای نمکی با استفاده از داده‌های گرانی از طریق شبکۀ عصبی رگرسیون تعمیم‌یافته، مطالعۀ موردی: میدان مورس، دانمارک

Abstract

در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکۀ عصبی رگرسیون تعمیم‌یافتهGRNN، از طریق داده‌های گرانی‌سنجی بررسی شده است. بدین منظور یک شبکۀ عصبی GRNN به وسیلۀ داده‌های گرانی که از روش پیشرو، مدل گنبد نمکی را به دست می‌آورد، به ازای اعماق مختلف به‌دست‌آمده آموزش داده شد و با محاسبۀ خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس به‌منظور تست شبکه از داده‌های مصنوعی با 5 درصد و10 درصد نویز استفاده شد که دقت خوبی (خطای نسبی تخمین عمق در حضور 5 درصد نویز برابر با 8/3 درصد و در حضور 10 درصد نویز برابر با 43/5 درصد) را نشان می‌دهد. همچنین به‌منظور آزمون شبکه برای داده‌های واقعی، مشخصه‌های لازم از داده‌های گرانی مربوط به گنبد نمکی مورس در دانمارک، استخراج و به‌عنوان ورودی به شبکه اعمال شد و نتایج تخمین عمق تحلیل و بررسی گردید. نتایج نشان داد که تخمین عمق به‌دست‌آمده تا حدود زیادی به مقدار واقعی نزدیک و قابل‌قبول است.