مشخصات پژوهش

عنوان	مدل سازی داده های مقاومت الکتریکی با استفاده از یادگیری عمیق: مقایسه BLSTM و BGRU در دقت و کارایی پیش بینی
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	مدل سازی مقاومت الکتریکی، یادگیری عمیق، BGRU، BLSTM.
چکیده	روش ژئوالکتریک، به عنوان یکی از تکنیک های مرسوم در اکتشاف منابع آب زیرزمینی، امکان تحلیل و تفسیر ویژگی های الکتریکی لایه های زیرسطحی زمین را فراهم می کند. با پیشرفت های اخیر در حوزه یادگیری عمیق، استفاده از این روش ها در مدل سازی داده های ژئوالکتریک به دلیل توانایی شان در پردازش داده های پیچیده و غیرخطی، به ابزاری قدرتمند و ارزشمند در اکتشافات ژئوفیزیکی تبدیل شده است. در این مطالعه، به منظور مدل سازی داده های مقاومت الکتریکی جهت اکتشاف آب زیرزمینی، از دو مدل یادگیری عمیق حافظه بلندمدت-کوتاه مدت دوطرفه و واحد بازگشتی دروازه دار دوطرفه استفاده شده و نتایج هر دو مدل از نظر دقت و کارایی مقایسه شده است. داده های به کاررفته مربوط به مقاومت الکتریکی در چهار سونداژ الکتریکی اطراف شهرستان ارزوئیه بوده و نتایج تحلیل های گرافیکی و آماری نشان دهنده برتری دقت مدل حافظه بلندمدت-کوتاه مدت دوطرفه (با ضریب همبستگی 0.95 و میانگین درصد خطای مطلق 0.42) نسبت به مدل واحد بازگشتی دروازه دار دوطرفه است.
پژوهشگران	حمیدرضا امیری نسب (نفر اول)، امیرحسین نجف آبادی پور (نفر دوم)، امیررضا امیری نسب (نفر سوم)