Alireza Hajian - استادیار، گروه فیزیک، دانشکده مهندسی هسته ای و علوم پایه، دانشگاه آزاد اسلامی واحد نجف آباد
Mahmoud Shirazi - ۱استادیار، گروه فیزیک، دانشکده مهندسی هسته ای و علوم پایه، دانشگاه آزاد اسلامی واحد نجف آباد

در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکه عصبی رگرسیون تعمیم یافتهGRNN، از طریق داده های گرانی سنجی بررسی شده است. بدین منظور یک شبکه عصبی GRNN به وسیله داده های گرانی که از روش پیشرو، مدل گنبد نمکی را به دست می آورد، به ازای اعماق مختلف به دست آمده آموزش داده شد و با محاسبه خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس به منظور تست شبکه از داده های مصنوعی با ۵ درصد و۱۰ درصد نویز استفاده شد که دقت خوبی (خطای نسبی تخمین عمق در حضور ۵ درصد نویز برابر با ۸/۳ درصد و در حضور ۱۰ درصد نویز برابر با ۴۳/۵ درصد) را نشان می دهد. همچنین به منظور آزمون شبکه برای داده های واقعی، مشخصه های لازم از داده های گرانی مربوط به گنبد نمکی مورس در دانمارک، استخراج و به عنوان ورودی به شبکه اعمال شد و نتایج تخمین عمق تحلیل و بررسی گردید. نتایج نشان داد که تخمین عمق به دست آمده تا حدود زیادی به مقدار واقعی نزدیک و قابل قبول است.

شبکه عصبی مصنوعی, شبکه عصبی رگرسیون تعمیم یافته, گرانی, گنبد نمکی