نمایش مختصر رکورد

dc.contributor.authorجدیری شکری, بهشادfa_IR
dc.contributor.authorدولتی ارده جانی, فرامرزfa_IR
dc.contributor.authorمرادزاده, علیfa_IR
dc.contributor.authorاحمدی, روح اللهfa_IR
dc.date.accessioned1399-07-09T07:37:34Zfa_IR
dc.date.accessioned2020-09-30T07:37:34Z
dc.date.available1399-07-09T07:37:34Zfa_IR
dc.date.available2020-09-30T07:37:34Z
dc.date.issued2016-03-20en_US
dc.date.issued1395-01-01fa_IR
dc.date.submitted2014-05-14en_US
dc.date.submitted1393-02-24fa_IR
dc.identifier.citationجدیری شکری, بهشاد, دولتی ارده جانی, فرامرز, مرادزاده, علی, احمدی, روح الله. (1395). استفاده از روش ترکیبی شبکه‌های عصبی مصنوعی و الگوریتم‌های ژنتیک در معکوس‌سازی داده‌های مدل چهار لایه‌ای گمانه‌زنی الکتریکی. نشریه علمی-پژوهشی مهندسی معدن, 11(30), 93-104.fa_IR
dc.identifier.issn1735-7616
dc.identifier.issn2676-4482
dc.identifier.urihttp://ijme.iranjournals.ir/article_19340.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/325636
dc.description.abstractدر مقاله حاضر، مدل‌سازی معکوس مدل چهار لایه‌ای گمانه‌زنی الکتریکی (شامل 8 نوع منحنی متفاوت)، با استفاده از یک روش ترکیبی شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک، انجام شده است. برای این منظور، ابتدا، 2000 داده مصنوعی مقاومت‌ویژه برای حالت‌های مختلف گمانه‌زنی الکتریکی با استفاده از نرم‌افزار Resix-IP، تولید شد. سپس، دسته‌بندی انواع منحنی‌های مربوط به مدل‌های چهار لایه‌ای مقاومت ویژه با استفاده از روش شبکه‌های عصبی مصنوعی پیش‌خور با الگوریتم پس‌انتشار خطا، مبتنی بر سعی و خطا در آموزش داده‌ها، بنحو مطلوبی انجام شد. شبکه بهینه طبقه بندی کننده، از22 نرون لایه ورودی، 33 نرون لایه میانی و 8 نرون لایه خروجی، تشکیل شده بود. در ادامه با استفاده از روش الگوریتم‌های ژنتیک، معکوس‌سازی داده‌های مقاومت ویژه برای مدل چهار لایه‌ای گمانه‌زنی الکتریکی انجام شد. نتایج بدست آمده مقادیر مقاومت‌ویژه، نشان دهنده تطابق بسیار مطلوب بین خروجی روش الگوریتم ژنتیک و داده‌های آزمایشی بودند. بطور نمونه، ضرایب همبستگی بسیار بالا (99/0، 82/0، 83/0 و 97/0) و (99/0، 92/0، 93/0 و 97/0)، مقادیرمقاومت ویژه در لایه‌های اول تا چهارم، بترتیب در مدل‌‌های منحنی مربوط به انواع AA و AK، بخوبی بیانگر این تطابق مطلوب است. از طرفی، مقادیر ضخامت لایه‌‌ها در لایه‌های اول همه منحنی‌ها با استفاده از روش الگوریتم‌های ژنتیک، بصورت مناسبی تخمین زده شده‌اند، در حالیکه، مقادیر ضرایب همبستگی آنها در لایه‌های دوم (با 81/0 و 88/0) و سوم (79/0 و 71/0) این نوع از منحنی‌ها، نشان‌دهنده کارآیی نسبی این روش است<strong>.</strong>fa_IR
dc.format.extent934
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherانجمن مهندسی معدن ایرانfa_IR
dc.relation.ispartofنشریه علمی-پژوهشی مهندسی معدنfa_IR
dc.relation.ispartofIranian Journal of Mining Engineeringen_US
dc.subjectگمانه‌زنی الکتریکیfa_IR
dc.subjectمدل 4 لایه‌ای مقاومت ویژهfa_IR
dc.subjectشبکه عصبی مصنوعیfa_IR
dc.subjectالگوریتم‌های ژنتیکfa_IR
dc.subjectاکتشافfa_IR
dc.titleاستفاده از روش ترکیبی شبکه‌های عصبی مصنوعی و الگوریتم‌های ژنتیک در معکوس‌سازی داده‌های مدل چهار لایه‌ای گمانه‌زنی الکتریکیfa_IR
dc.typeTexten_US
dc.typeعلمی - پژوهشیfa_IR
dc.contributor.departmentعضو هیئت علمی دانشگاه صنعتی همدانfa_IR
dc.contributor.departmentعضو هیات علمی دانشکده مهندسی معدن، دانشگاه تهرانfa_IR
dc.contributor.departmentعضو هیئت علمی دانشکده مهندسی معدن، دانشگاه تهرانfa_IR
dc.contributor.departmentفارغ التحصیل کارشناسی ارشد دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرودfa_IR
dc.citation.volume11
dc.citation.issue30
dc.citation.spage93
dc.citation.epage104
nlai.contributor.orcid0000-0002-2074-1004
nlai.contributor.orcid0000-0002-4951-8850


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد