مقاله بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی pdf دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی pdf ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بررسی پارامترهای موثر در الگوریتم شبیه سازی زمین آماری الگوبرداری مستقیم با استفاده از داده های مصنوعی در محیط دو بعدی pdf :
سال انتشار: 1392
محل انتشار: اولین کنفرانس ملی مهندسی اکتشاف منابع زیرزمینی
تعداد صفحات: 6
نویسنده(ها):
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:
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.
