%0 Journal Article %T معرفی کاربرد نرم‌افزار SeisART برای تحلیل رخساره‌های لرزه‌ای با استفاده از ترکیب روش‌های هوشمند و دانش مفسر %J مجله ژئوفیزیک ایران %I انجمن ملی ژئوفیزیک ایران %Z 2008-0336 %A هادیلو, سعید %A میرزائی, سعید %A هاشمی, حسین %A سفیداری, ابراهیم %D 2018 %\ 10/23/2018 %V 12 %N 2 %P 64-77 %! معرفی کاربرد نرم‌افزار SeisART برای تحلیل رخساره‌های لرزه‌ای با استفاده از ترکیب روش‌های هوشمند و دانش مفسر %K تحلیل رخساره لرزه‌ای %K نشانگرهای لرزه‌ای %K ‌ ماشین‌های یادگیری %K سیستم‌های فازی %K خوشه‌بندی %R %X تحلیل رخساره‌های لرزه‌ای، فنی است برای به نقشه درآوردن خصوصیات و ویژگی‌های زمین‌شناسی با استفاده از اطلاعات لرزه‌ای. برای تحلیل رخساره‌های لرزه‌ای با استفاده از الگوریتم‌های یادگیری ماشین، نشانگرهای لرزه‌ای دسته‌بندی می‌شوند. این دسته‌بندی به شناسایی رخساره‌های مختلف درون مقاطع یا افق‌های لرزه‌ای می‌انجامد.. به دلیل ماهیت داده‌های لرزه‌ای، که همواره درجه‌ای از عدم قطعیت دارند، تنوع نشانگر‌های لرزه‌ای و الگوریتم‌های یادگیری ماشین می‌تواند در تحلیل رخساره‌های لرزه‌ای نتایج مختلفی ایجاد کند؛ به همین دلیل نیاز است مراحل مختلف تحلیل مانند انتخاب پارامترهای ورودی و الگوریتم‌های یادگیری ماشین، با دقت زیاد و با توجه به هدف تحلیل رخساره انتخاب شوند تا درنهایت، بتوان نقشه رخساره‌ لرزه‌ای مناسبی تولید کرد.  در این مطالعه، برای پیدا کردن مسیر بهینه تولید نقشه رخساره ‌لرزه‌ای، روشی تعاملی با‌ نظارت مفسر و با استفاده از نرم‌افزار بومی SeisART پیشنهاد می‌شود. در این روش،در روند اجرای تحلیل رخساره، پارامتر‌هایی مانند نوع نشانگرهای ورودی، تعداد خوشه، الگوریتم خوشه‌بندی و دسته‌بندی به‌صورت بهینه برای هدف موردنظر انتخاب می‌شوند و مفسر در یک روند بازگشتی و چرخشی می‌تواند نتایج تحلیل را با توجه به تغییر پارامترهای ورودی مقایسه کند، با در نظر گرفتن نتایج دانش بیشتری از رخساره‌های موجود به‌دست‌آورد و درنهایت، تحلیل رخساره مناسبی ارائه دهد.. ازآنجاکه‌ در این روش، الگوریتم‌های مختلف با پارامترهای ورودی مختلف بر  اطلاعات لرزه‌ای موجود اعمال می‌شوند و مفسر می‌تواند با توجه به کارایی هرکدام از پارامترها و روش‌ها، برای اعمال کردن یا نکردن آن تصمیم‌گیری کند، استفاده کردن از این الگوریتم پیشنهادی، این امکان‌ را ایجاد می‌کند که رخساره‌های مختلف موجود در اطلاعات شناسایی شوند و ارتباط آنها با یکدیگر معین شود. روش پیشنهادی برای شناسایی رخساره‌های موجود در افق MSF4 از داده‌های لرزه‌ای سه‌بعدی F3 دریای شمال، آزموده شده است. %U https://www.ijgeophysics.ir/article_64914_3805062f9689c70641e2f8216d893f0b.pdf