Réseaux de neurones en géophysique application aux données sismiques et électrique

الموضوعات

علوم بحتة وطبيعية

الملخص

Les réseaux de neurones artificiels dont leur mécanisme de fonctionnement est principalement inspiré du cerveau humain sont entrain d’envahir plusieurs domaines de la science et de la technologie. Contrairement aux méthodes classiques qui utilisent des algorithmes spécifiques pour la résolution d’un problème donné, les réseaux de neurones artificiels utilisent un schéma d’apprentissage « Learning » qui consiste à élaborer des relations entre un nombre suffisamment élevé des intrants « Input » et des sortants « Ouput », permettant d’acquérir des informations importantes sur le problème en question. La capacité d’apprentissage et d’adaptation de ces modèles leur permet d’être attractifs pour des applications en géophysique. En effet, les réseaux de neurones artificiels ont réussi à rendre certaines tâches de traitement sismique automatiques telles que : l’édition, le pointé des premières arrivées, l’analyse des vitesses et les pointés des horizons sismiques. Dans notre travail, nous avons utilisé cette approche pour la résolution de deux problématiques, une qui peut être ramenée à un problème de reconnaissance de forme « Pattern Recognition », et l’autre qui est un problème d’inversion. Dans la première application, il s’agit de pouvoir pointer un horizon sismique par le bais d’un réseau de neurone apprenti sur une forme de référence choisie de la section à laquelle cette technique est appliquée. Nous avons testé la performance de cette méthode sur des données générées synthétiquement et sur une section réelle. Par la suite, les résultats ont été comparés à ceux obtenus par une méthode classique dite la méthode des moments invariants. Dans la seconde application, il s’agit d’inverser les courbes du sondage électrique via un réseau de neurone apprenti sur un nombre important des modèles de résistivité. Ce dernier est appliqué sur des données synthétiques et sur des données réelles. Ensuite, les résultats obtenus ont été comparés à ceux obtenus par une autre technique appelée recuit simulé « Simulated Annealing ». Dans les deux applications suscitées, nous avons utilisé le logiciel spécialisé dans la conception des réseaux de neurones artificiels, tandis que nous avons utilisé le langage pour les méthodes classiques

روابط وملفات

التعريف والنوع

رقم الوثيقة

0a8c9581-08f8-42bd-aa3e-c6d5ee128839

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

1379721_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Karim Kamel","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Hayder Baker","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Réseaux de neurones en géophysique application aux données sismiques et électrique

المحتوى والصفحات

عدد الصفحات

0

كلمات الباحثين

Assimilation de données, Prospection électrique , Prospection sismique , Réseaux neuronaux

إشراف وإعداد

الإشراف

Hayder Baker

الإعداد

Karim Kamel

الاقتباسات الببليوغرافية