{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN845",
        "title": "استفاده از الگوریتم TSVMSC به منظور بهبود تلفیق نتایج حاصل از وارون‌سازی داده‌های توموگرافی لرزه انکساری و مقاومت‌ویژه",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1397",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN845",
        "title": "استفاده از الگوریتم TSVMSC به منظور بهبود تلفیق نتایج حاصل از وارون‌سازی داده‌های توموگرافی لرزه انکساری و مقاومت‌ویژه",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1397,
        "authors": [
            {
                "name": "بهمن محمدی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ابوالقاسم کامکار روحانی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "TSVMSC",
            "توموگرافی لرزه‌ای انکساری",
            "مقاومت‌ویژه الکتریکی",
            "خوشه‌بندی"
        ],
        "abstract": "الگوریتم استنتاج تبدیلی ماشین بردار پشتیبان بر اساس خوشه‌بندی طیفی (TSVMSC)، ناهمگنی فضایی در همه مدل ها را در بر می گیرد و نیز انعطاف پذیر بوده و می‌تواند با هر نوع داده ای برای شناسایی الگوها و ساختارهای غالب موجود در داده های چند متغیره سازگاری داشته باشد. این الگوریتم عملکرد پایدار و سطح دقت بالایی دارد. هدف از این رساله، بهبود تلفیق نتایج حاصل از وارون‌سازی داده های لرزه نگاری انکساری و مقاومت‌ویژه با استفاده از روش TSVMSC که یک روش دانش محور است، می باشد. داده‌های توموگرافی لرزه انکساری و مقاومت‌ویژه الکتریکی از محدوده یکی از سدهای در حال ساخت ایران برداشت و مورد تحلیل قرار گرفت. برای بررسی تلفیق مدل در یک وضعیت کنترل شده از داده‌های مصنوعی استفاده شد. بعد از وارون‌سازی داده‌های مصنوعی و صحرایی، برای تلفیق نتایج حاصله، از خوشه‌بندی‌های میانگین k، میانگین فازی، گوستافسون کسل فازی و الگوریتم TSVMSC استفاده شد. با اعتبارسنجی خوشه‌بندی‌های مختلف از لحاظ تفکیک مناطق آبرفت، سنگ بستر با کیفیت متوسط و سنگ بستر با کیفیت خوب، الگوریتم TSVMSC به دلیل در برگرفتن ناهمگنی‌ها و پیچیدگی‌های دو مدل دقیق‌تر و موثرتر بوده است. خوشه‌بندی گوستافسون کسل فازی نیز نسبت به خوشه‌بندی‌های دیگر موفق تر عمل نموده است. با اعتبارسنجی نتایج وارون‌سازی توموگرافی لرزه‌ای انکساری، خطای تخمین سرعت معادل 30/95 درصد محاسبه گردید. بر اساس نتایج حاصل از آزمایش‌ها برای سرعت تراکمی، سرعت برشی و تخلخل، روابط تجربی برای محاسبه سرعت‌های تراکمی و برشی، در این محدوده، به ترتیب با درصد همبستگی 76/5 و 77/5 به دست آمد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN845.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}