نوآوری در تخمین مدل های الاستیک زیرسطحی با استفاده از هوش مصنوعی

محققان دانشگاه تهران، راه تازه ای برای مدل سازی خواص الاستیک زیرسطحی دارای قدرت تفکیک بالا، با استفاده از داده های ژئوفیزیکی و بهره گیری از روش یادگیری عمیق پیشنهاد دادند که می تواند در اکتشاف منابع زیرسطحی مانند میادین نفتی مؤثر و راهگشا باشد.

- نوآوری در تخمین مدل های الاستیک زیرسطحی با استفاده از هوش مصنوعی محققان دانشگاه تهران، راه تازه ای برای مدل سازی خواص الاستیک زیرسطحی دارای قدرت تفکیک بالا، با استفاده از داده های ژئوفیزیکی و بهره گیری از روش یادگیری عمیق پیشنهاد دادند که می تواند در اکتشاف منابع زیرسطحی مانند میادین نفتی مؤثر و راهگشا باشد.

به گزارش ایسنا، پژوهش تازه ای که در قالب رساله دکتری مهدی سعادت، دانشجوی رشته ژئوفیزیک – لرزه شناسی دانشگاه تهران، و به راهنمایی دکتر حسین هاشمی شاهدانی و دکتر مجید نبی بیدهندی، اساتید مؤسسه ژئوفیزیک دانشگاه تهران انجام شده، بر ارتقای استفاده از هوش مصنوعی در مدل سازی با قدرت تفکیک بالا از خواص الاستیک زمین در محیط های پیچیده ساختاری متمرکز است.

هاشمی، عضو گروه فیزیک زمین مؤسسه ژئوفیزیک دانشگاه تهران، درباره بهره گیری از هوش مصنوعی، و به طور خاص روش های یادگیری ماشین و یادگیری عمیق در علم ژئوفیزیک گفت: روش های یادگیری ماشین که از مثال های حل شده و برچسب دار برای آ�