به کارگیری روش های خوشه بندی میانگین K، میانگین فازی و گوستافسون کسل در تلفیق نتایج وارون سازی داده های توموگرافی لرزه ای انکساری و مقاومت ویژه الکتریکی برای ارزیابی آبرفت و سنگ بستر

در سال های اخیر، الگوریتم های خوشه بندی فازی بیش تر از سایر روش ها برای خوشه بندی نتایج به کار برده شده­اند. در خوشه بندی، الگوریتم های فازی می توانند در تلفیق مدل های چندگانه با گروه بندی نمونه ها در یک فضای چند بعدی، به کار روند. مفهوم عضوهای جزئی خوشه، ناهمگنی ساختاری همه مدل های ورودی را تلفیق کرده و آن را در یک مفهوم فازی توصیف می کند. در این پژوهش، بعد از وارون­ سازی داده های مقاومت ویژه الکتریکی با روش کم ترین مربعات گوس- نیوتن و با استفاده از نرم افزار RES۲DINV و نیز محاسبه اولین زمان رسیدها با استفاده از نرم افزار PickWin و وارون سازی داده­های توموگرافی لرزه­ای انکساری با استفاده از نرم افزار GeotTom CG، داده ها با سه روش میانگن K، میانگین فازی و گوستافسون کسل خوشه بندی شدند. با استفاده از روش شاخص دان برای بهینه سازی تعداد خوشه ها عدد ۱۲ به دست آمد که با توجه به نقشه­های به دست آمده برای مقاومت ویژه الکتریکی و توموگرافی لرزه­ای انکساری، تعداد خوشه مناسبی است. با توجه به بررسی های انجام شده در بستر سد، محدوده آبرفت و سنگ بستر و هم چنین لایه بندی، روش خوشه بندی گوستافسون کسل نتیجه بهتری را نشان داده است. با به کار بردن نتایج میانگین فازی در آغاز الگوریتم گوستافسون-کسل، گام های تکرار کاهش و سرعت همگرایی افزایش می یابد. محاسبات مربوط به الگوریتم های خوشه بندی با کدنویسی در محیط نرم افزار متلب انجام شده است

به کارگیری روش های خوشه بندی میانگین K، میانگین فازی و گوستافسون کسل در تلفیق نتایج وارون سازی داده های توموگرافی لرزه ای انکساری و مقاومت ویژه الکتریکی برای ارزیابی آبرفت و سنگ بستر Keywords:

K-Means , Fuzzy C-Means , Gustafson-Kessel FCM method , clustering , Tomography , MATLAB. , روش میانگین K , روش میانگین فازی , روش گوستافسون کسل , خوشه بندی , توموگرافی