فصلنامه زمین شناسی ایران
,
العدد33,السنة
9
,
بهار
1394
ابزارهای تحلیل سیگنال همچون تبدیلهای گوناگون، در شناسایی و استخراج هر چه بیشتر اطلاعات از سیگنالها بهکمک محققین آمدهاند. در میان این ابزارها، تبدیل موجک بهعلت ویژگیهای مطلوبش مورد اقبال روزافزون قرار گرفته است. مسئله این است که در این تبدیل، توابع موجک مادر گوناگو أکثر
ابزارهای تحلیل سیگنال همچون تبدیلهای گوناگون، در شناسایی و استخراج هر چه بیشتر اطلاعات از سیگنالها بهکمک محققین آمدهاند. در میان این ابزارها، تبدیل موجک بهعلت ویژگیهای مطلوبش مورد اقبال روزافزون قرار گرفته است. مسئله این است که در این تبدیل، توابع موجک مادر گوناگونی را میتوان بهکار گرفت که انتخاب هر یک از آنها تأثیر مستقیم بر روی تحلیل و نتیجه بهدست آمده خواهد داشت. در کنار روشهای گوناگونی که برای ساختن موجک مبنای بهینه منطبق بر سیگنال مورد بررسی ارائه شده، روشهایی نیز برای انتخاب موجک مبنای بهینه از میان توابع موجود معرفی شدهاند. با انتخاب روش تطابق انرژی معمول و اعمال آن بر روی دادهها، ضعف عملکرد این روش در گزینش موجک مبنای بهینه در دو بخش مشاهده شد. تبدیل تفریق میانگین بهعنوان راهکاری قابل تعمیم جهت آمادهسازی دادهها قبل از استفاده از روش تطابق انرژی پیشنهاد گردید. استفاده از این تبدیل ساده به انتخاب موجک مبنای بهینه و رسیدن به پاسخهای یکتا در دو بخش مورد سوال انجامید.
تفاصيل المقالة
فصلنامه زمین شناسی ایران
,
العدد48,السنة
12
,
زمستان
1397
روش های شناسایی الگو توانایی کشف روابط پنهان موجود در بین داده های اکتشافی را دارند و با بهره-گیری از این روش ها، الگوی پراکندگی ژئوشیمیایی حاکم بر عناصر در محدوده مورد مطالعه قابل شناسایی و تعمیم است. یکی از روش های شناسایی الگو، شبکه عصبی چند لایه است که در تخمین غل أکثر
روش های شناسایی الگو توانایی کشف روابط پنهان موجود در بین داده های اکتشافی را دارند و با بهره-گیری از این روش ها، الگوی پراکندگی ژئوشیمیایی حاکم بر عناصر در محدوده مورد مطالعه قابل شناسایی و تعمیم است. یکی از روش های شناسایی الگو، شبکه عصبی چند لایه است که در تخمین غلظت عناصر ژئوشیمیایی در مطالعات معدنی استفاده می شود و دقت قابل قبولی ارائه می نماید. در این مطالعه، روش شبکه عصبی چند لایه بهعنوان تخمینگر انتخاب شده و با 1755 نمونه سنگی آنالیز شده با روش ICP، طراحی تخمینگر انجام پذیرفته است. در تحلیل ها برای بالا بردن دقت تخمین شبکه عصبی از الگوریتم خوشه بندی FCM استفاده شده است. پس از شناسایی تعداد خوشه بهینه موجود در داده های ژئوشیمیایی، اقدام به خوشه بندی شده و مجموعه داده برای طراحی تخمینگر ها از داده های خوشه بندی شده انتخاب شد. نتایج بهدستآمده نشان داد که استفاده از داده های خوشه بندی شده، دقت تخمین را 13 درصد افزایش داده و میانگین دقت تخمینگرهای عناصر ژئوشیمیایی که در حالت استفاده از کل داده ها برابر 75 درصد بود به 88 درصد افزایش یافته است. عناصری با دقت های پایین در حالت استفاده از کل داده ها، در حالت استفاده از داده های خوشه بندی شده افزایش قابل ملاحظه ای از خود نشان داده و خطای تخمین (MSE) در حالت استفاده از داده های خوشه بندی به میزان قابل توجهی کاهش پیدا کرده است و میانگین خطا از مقدار 079/0 با کاهشی 3 برابری به 025/0 رسیده است.
تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.