مدل سازی وارون دو بعدی میدان گرانی باقی مانده با استفاده از شبکه عصبی پیشخور مدولار : مطالعه موردی یک معدن کرومیت

یکی از اهداف اصلی در اکتشافات ژئوفیزیکی، تعیین عمق و گسترش توده معدنی در زیر زمین می باشد. بدلیل عدم یکتایی جواب در وارون سازی میدان گرانی، روش های زیادی برای حذف یا کاهش خطای مدل سازی ارائه شده است. تشبیه کردن شکل توده مولد بی هنجاری به یکی از شکل های هندسی، تا حد زیادی ابهام موجود در مدل سازی وارون را کاهش می دهد. همانند سازی ساختار توده معدنی مولد بی هنجاری گرانی به یک شکل هندسی، نیازمند مطالعات زمین شناختی و صحرائی می باشد. در این مقاله استفاده از شبکه عصبی مصنوعی پیشخور مدولار برای وارون سازی دو بعدی بی هنجاری های گرانی شکل های هندسی کره، استوانه عمودی و استوانه افقی ارائه می شود. شبکه عصبی مدولار از چندین شبکه عصبی پیشخور موازی تشکیل می شود که به هر شبکه عصبی پیشخور، مدول گفته می شود. آموزش هر مدول بصورت مجزا توسط مدل های آموزشی صورت می پذیرد. یادگیری مدول ها با ناظر و با استفاده از الگوریتم پس انتشار خطا صورت می پذیرد. سه پارامتر عمق، فاکتور شکل و ضریب دامنه با توجه به مقادیر بردار گرانی، بعنوان لایه ورودی شبکه های عصبی پیشخور، توسط هر مدول تخمین زده می شود. همچنین یک واحد پردازشی یکپارچه کننده بنام واحد عملگر میانگین، خروجی های هر مدول را دریافت کرده و مقدار میانگین هر پارامتر را محاسبه می نماید. فاکتور شکل، تعیین کننده شکل تقریبی توده معدنی می باشد. با توجه به ضریب دامنه تخمین زده شده، می توان شعاع توده مولد بی هنجاری گرانی را نیز محاسبه نمود. داده های گرانی مدل های مصنوعی کره، استوانه افقی و عمودی، با و بدون نوفه تصادفی اضافه شده، با روش ارائه شده در این مقاله مورد بررسی قرار می گیرند. نتایج قابل قبول بدست آمده از مدل های مصنوعی، کارایی وارون سازی شبکه عصبی مدلار را نشان می دهند. همچنین در این مقاله، از روش شبکه عصبی مدولار برای مدل سازی میدان گرانی باقی مانده و نیز میدان گرانی فراسو شده یک معدن کرومیت در سبزوار استفاده شده است.