اهمیت انتخاب مشخصه در کاربرد هوش مصنوعی در برآورد ژرفای تاقدیس توسط داد های گرانی

استفاده از هوش مصنوعی یا شناسایی الگو ((Pattern Recognition (PR) در تفسیر داده های ژئوفیزیکی و یا دیگر علوم زمین چند سالی است که به ویژه با ورود شبکه عصبی در این عرصه مطرح شده است. در روش شبکه عصبی و دیگر روش های شناسایی الگو و از جمله در روش رده بندی کننده بردار حمایت شده ((Support Vector Classifier (SVC) که در این پژوهش از آن استفاده شده است، با استفاده از مقادیر مشخصه های استخراج شده از ساختارها یا اشیای مورد نظر به رده بندی آن اشیا یا ساختارها پرداخته می شود و به این ترتیب می توان به تفسیر مورد نظر دست یافت. به طور مرسوم درانتخاب این مشخصه ها نظر شخصی نقش اصلی را بر عهده داشته است. در این نوشتار با ارائه نرم افزاری که دارای قابلیت انتخاب مشخصه های ((Features ion (FS) مناسب برای برآورد ژرفای ساختارهای طاقدیسی توسط داده های گرانی است و نشان دادن تفاوت استفاده از مشخصه های مناسب و نامناسب در این تفسیر، اهمیت انتخاب مشخصه در کاربرد هوش مصنوعی در تفسیرگرانی و دیگر علوم زمین نشان داده می شود. در اجرای این پژوهش، برای تربیت روش رده بندی کننده بردار حمایت شده مربوط، 20 نیمرخ مصنوعی گرانی با منبع تاقدیسی تولید شد (مجموعه تربیت کننده). همچنین برای امتحان روش رده بندی کننده بردار حمایت شده یادشده، 20 نیمرخ مصنوعی گرانی دیگر هم که آنها نیز دارای منابع به شکل تاقدیس بودند، تولید شد (مجموعه امتحان کننده). در این پژوهش نشان داده شد که برآورد ژرفای منابع تاقدیسی در حالت استفاده از مقادیر مشخصه های مناسب، خیلی دقیق تر از برآورد ژرفا در حالت استفاده از مقادیر مشخصه های نامناسب است. لازم به یادآوری است که نرم افزار انتخاب مشخصه یادشده به طور ویژه تنها برای انتخاب مشخصه تفسیر گرانی طراحی نشده، بلکه طراحی آن به گونه ای است که قابل استفاده برای انتخاب مشخصه در هر فعالیت تفسیری علوم زمین هم است.