تفاصيل الوثيقة نوع الوثيقة : رسالة جامعية  عنوان الوثيقة : دمج عدة سمات زلزالية باستخدام تعلم الآلة Combining Multiple Seismic Attribute Using Machine Learning   الموضوع : كلية الحاسبات وتقنية المعلومات  لغة الوثيقة : العربية  المستخلص : يستخدم الاستكشاف الزلزالي لتقدير خصائص باطن الأرض من الموجات الزلزالية المنعكسة. يحتاج الخبراء الجيولوجيون إلى فحص البيانات الزلزالية ليكونوا قادرين على تصور واكتشاف الوجوه الجيولوجية وخصائص الخزان، مثل السماكة ونوع السوائل والبنية. يؤدي الجمع بين البيانات الزلزالية والكميات المشتقة منها، والتي تسمى السمات الزلزالية، إلى تعزيز البيانات المرئية الناتجة حيث توفر السمات الزلزالية معلومات تكميلية. كما أن الجمع بين البيانات الزلزالية والسمات الزلزالية، التي يشار إليها باسم مهمة الجمع، يوفر الكثير من الوقت والجهد، نظرًا لأن عدد أحجام السمات الزلزالية المستخدمة في الاستكشاف الزلزالي يتزايد بسرعة. تمكنت الطرق التقليدية من الجمع بين عدد محدود من السمات الزلزالية في وقت واحد. للتغلب على هذا القيد، نقترح استخدام تقنيات الدمج القائمة على التعلم العميق للصور للجمع بين البيانات الزلزالية والسمات الزلزالية المتعددة. يُفضل نهج التعلم العميق لأنه يعزز أداء تقنيات الاندماج من خلال استخدام إمكانات الشبكة العصبية في استخراج الميزات. تتمثل مساهمة هذا البحث في تقييم استخدام ستة نماذج لدمج الصور تم اختبارها مسبقًا والتي حققت أفضل النتائج في المهام الخاصة بكل منها، في مهمة الجمع. هذه هي الدراسة الأولى التي تستخدم تقنيات الاندماج، حيث تم استخدام هذه التقنيات فقط لتعزيز الدقة وتقليل ضوضاء في سمة زلزالية واحدة. بالإضافة إلى ذلك، هذه هي الدراسة الأولى التي استخدمت نماذج سابقة التدريب في مهمة الدمج. تم استخدام العديد من التقنيات لتقييم نتائج تشغيل هذه النماذج على مجموعات البيانات العامة، مثل إجراء استبيانات نوعية تستهدف الخبراء الجيولوجيين، واستخدام مقاييس دمج الصور. أظهرت التجارب أن تقنيات دمج الصور نجحت في مهمة الجمع وأن نتائجها غير مشوهة. اتضح أن إطار دمج الصور باستخدام نموذج CNN (IFCNN) تفوق في الأداء على جميع النماذج الأخرى في كل من التحليل الكمي والنوعي. كدراسة مقارنة، تمت مقارنة IFCNN مع أحدث التقنيات الحالية، والتي تسمى طريقة Octree الكمية. تغلبت IFCNN على قيود طريقة Octree الكمية ونجحت في الجمع بين تسع سمات زلزالية مع جودة اندماج أفضل.  المشرف : د.مي فاضل  نوع الرسالة : رسالة ماجستير  سنة النشر : 1443 هـ 2022 م  المشرف المشارك : د.اماني جمال  تاريخ الاضافة على الموقع : Sunday, January 8, 2023  الباحثون اسم الباحث (عربي) اسم الباحث (انجليزي) نوع الباحث المرتبة العلمية البريد الالكتروني أبرار مطلق العتيبي Alotaibi, Abrar Mutlaq باحث ماجستير   الملفات اسم الملف النوع الوصف  48827.pdf pdf   الرجوع إلى صفحة الأبحاث