استفاده از روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم های ژنتیک در معکوس سازی داده های مدل چهار لایه ای گمانه زنی الکتریکی

در مقاله حاضر، مدل سازی معکوس مدل چهار لایه ای گمانه زنی الکتریکی (شامل 8 نوع منحنی متفاوت)، با استفاده از یک روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک، انجام شده است. برای این منظور، ابتدا، 2000 داده مصنوعی مقاومت ویژه برای حالت های مختلف گمانه زنی الکتریکی با استفاده از نرم افزار resix-ip، تولید شد. سپس، دسته بندی انواع منحنی های مربوط به مدل های چهار لایه ای مقاومت ویژه با استفاده از روش شبکه های عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا، مبتنی بر سعی و خطا در آموزش داده ها، بنحو مطلوبی انجام شد. شبکه بهینه طبقه بندی کننده، از22 نرون لایه ورودی، 33 نرون لایه میانی و 8 نرون لایه خروجی، تشکیل شده بود. در ادامه با استفاده از روش الگوریتم های ژنتیک، معکوس سازی داده های مقاومت ویژه برای مدل چهار لایه ای گمانه زنی الکتریکی انجام شد. نتایج بدست آمده مقادیر مقاومت ویژه، نشان دهنده تطابق بسیار مطلوب بین خروجی روش الگوریتم ژنتیک و داده های آزمایشی بودند. بطور نمونه، ضرایب همبستگی بسیار بالا (99/0، 82/0، 83/0 و 97/0) و (99/0، 92/0، 93/0 و 97/0)، مقادیرمقاومت ویژه در لایه های اول تا چهارم، بترتیب در مدل های منحنی مربوط به انواع aa و ak، بخوبی بیانگر این تطابق مطلوب است. از طرفی، مقادیر ضخامت لایه ها در لایه های اول همه منحنی ها با استفاده از روش الگوریتم های ژنتیک، بصورت مناسبی تخمین زده شده اند، در حالیکه، مقادیر ضرایب همبستگی آنها در لایه های دوم (با 81/0 و 88/0) و سوم (79/0 و 71/0) این نوع از منحنی ها، نشان دهنده کارآیی نسبی این روش است.