Penentuan Struktur Parameter Pada Metode Gravity Dengan Menggunakan Radial Basis Function
Networks Dalam Studi Kasus: Seferihisar Area Geothermal (Western Turki)
Rangkuman
Jaringan Syaraf Tiruan (JST) telah digunakan
dalam berbagai masalah di bidang sains dan
teknik. Aplikasi JST untuk masalah geofisika
telah meningkat dalam dekade terakhir.
Terutama telah digunakan untuk memecahkan
masalah
inversi
seperti
seismik,
elektromagnetik, resistivitas. Juga ada beberapa
aplikasi lain seperti estimasi parameter, prediksi
dan klasifikasi. Dalam penelitian ini, Radial Basis
Function Networks (RBF NN) diterapkan pada
data gravitasi teoritis dan data gravitasi
Seferihisar untuk menyelidiki penerapan dan
kinerja jaringan untuk metode gravitasi.
Seferihisar adalah salah satu daerah panas bumi
penting di Turki Barat. Ada banyak studi geologi
dan geofisika di daerah ini. Data gravitasi
bouger dianalisis dengan RBF NN untuk
memperkirakan kedalaman dan kepadatan
kontras struktur. Juga hasil RBF NN
dibandingkan
dengan
hasil
penelitian
sebelumnya.
Kata Pengantar
JST adalah salah satu metode yang paling umum
diterapkan untuk berbagai bidang rekayasa.
Baru-baru ini JST telah berhasil digunakan untuk
memecahkan permasalah geofisika. Beberapa
permasalah ini adalah trace editing, traveltime
picking, horizon tracking, velocity analysis
(Murat dan Rudman, 1992;. McCormack et al,
1993; Van der Baan dan Jutten, 2000),
gelombang seismik inversi (He dan Zhou, 2003),
dan dekonvolusi seismik (Wang dan Mendal,
1992) dalam domain seismik. JST juga telah
Dimana,
ke
,
Dimana,
merupakan
bobot
yang
menghubungkan hidden neuron ke output
neuron dan M adalah nomor neuron dalam
hidden layer.
Pelatihan dari RBF NN dapat diwujudkan
melalui bobot pada lapisan output, pusat dari
RBF NN, dan parameter penyebaran fungsi
gaussian. Bentuk paling sederhana dari
pelatihan RBF NN dapat diperoleh dengan
jumlah tetap pusat. Jika jumlah pusat dibuat
sama dengan jumlah vektor input, yaitu RBF
NN, maka kesalahan antara output jaringan
Fungsi tersebut diperoleh dari integral Gaussian, yang dimana fungsi integral Gaussian adalah
Dimana,
(