CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۳۲۰ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCEE01_037
زبان مقاله: فارسی
حجم فایل: ۸۶۶.۳۱ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی

  حمید غیرتمند - دانشجوی کارشناسی ارشد موسسه ژئوفیزیک دانشگاه تهران
  محمد کنشلو - استادیار، گروه اکتشاف معدن، دانشگاه شاهرود، شاهرود، ایران
  حسن رضایی - دانشجوی دکتری، دانشگاه اکول پلی تکنیک مونترال، کانادا
گریگوآر ماریتوز - مدرسه ی مهندسی عمران و محیط دانشگاه New South Wales، استرالیا

چکیده مقاله:

الگوریتم الگوبرداری مستقیم یکی از الگوریتم های جدید در زمین آمار چندنقطه ای است. بررسی پارامترهای موثر در این الگوریتم و تاثیر آن بر نتایج شبیه سازی این الگوریتم می تواند زمینه ساز تولید تحقق های شبیه به تصویر آموزشی و پدیده زمین شناسی مورد استفاده شود. با ثابت درنظر گرفتن دیگر پارامترها و تغییر پارامتر موردنظر می توان رفتار شبیه سازی را نسبت به تغییر هر پارامتر به طور جداگانه بررسی نمود. در این بررسی، پارامترهای تعداد داده ی شرطی ورودی، ابعاد پیشامد داده ای و حد آستانه ای مورد ارزیابی قرار گرفته است. در این مطالعه با استفاده از دو معیار هیستوگرام و واریوگرام، خروجی ها با تصویر آموزشی مقایسه و نتایج مورد ارزیابی قرار می گیرد. بر اساس نتایج رفتارسنجی این پارامترها می توان گفت با افزایش تعداد داده ی شرطی ورودی، بازتولید بهتری از معیارها خواهیم داشت. استفاده از ابعاد بزرگ تر در پارامتر پیشامد داده ای، پیوستگی الگوها را در تحقق ها بهبود خواهد بخشید. علی رغم پارامترهای قبلی، در مورد حد آستانه ای رفتار معناداری مشاهده نشد ما آن چه واضح است حد آستانه ای صفر بهترین نتیجه را دربر خواهد داشت و در عین حال باعث افزایش زمان شبیه سازی خواهد شد.

کلیدواژه‌ها:

زمین آمار چند نقطه ای، شبیه سازی زمین آماری، الگوریتم الگوبرداری مستقیم، حساسیت سنجی پارامتر

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCEE01-NCEE01_037.html
کد COI مقاله: NCEE01_037

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
غیرتمند, حمید؛ محمد کنشلو؛ حسن رضایی و گریگوآر ماریتوز، ۱۳۹۲، بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی، اولین کنفرانس ملی مهندسی اکتشاف منابع زیرزمینی، شاهرود، دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک، https://www.civilica.com/Paper-NCEE01-NCEE01_037.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (غیرتمند, حمید؛ محمد کنشلو؛ حسن رضایی و گریگوآر ماریتوز، ۱۳۹۲)
برای بار دوم به بعد: (غیرتمند؛ کنشلو؛ رضایی و ماریتوز، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Strebelle S. (2002) Conditional Simulation of Complex Geological Structures Using ...
  • Mariethoz et l G. (2010), Direct sampling method to perform ...
  • Zhang et al T. (2006) Filter-Based Classification of Training Image ...
  • Arpat G. and Caers J. (2007) Conditional Simulation with Patterns, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۳۵۵۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.