ỨNG DỤNG PHƯƠNG PHÁP PHẦN TỬ HỮU HẠN ĐỂ TẠO DỮ LIỆU HUẤN LUYỆN CHO MÔ HÌNH AI DỰ ĐOÁN ĐIỆN TRỞ SUẤT BIỂU KIẾN CỦA LỚP ĐẤT PHÂN TẦNG

Tóm tắt

Nghiên cứu này đề xuất một phương pháp mới để dự đoán điện trở suất biểu kiến của hệ đất hai lớp bằng cách ứng dụng trí tuệ nhân tạo (AI). Bộ dữ liệu gồm 7.600 giá trị điện trở suất biểu kiến được tạo ra thông qua phương pháp phần tử hữu hạn (Finite Element Method – FEM) nhằm mô phỏng đặc tính điện trở suất dưới bề mặt trong cấu trúc đất hai lớp. Bộ dữ liệu bao gồm nhiều tổ hợp khác nhau của điện trở suất các lớp đất (r1, r2) và chiều dày các lớp (l1, l2), từ đó xây dựng tập dữ liệu huấn luyện đa dạng và có tính đại diện cao. Mô hình học máy dựa trên mạng nơ-ron nhân tạo nhiều lớp (Multi-Layer Perceptron – MLP), một dạng của mạng nơ-ron nhân tạo (ANN), được huấn luyện để dự đoán điện trở suất biểu kiến từ các thông số đầu vào. Kết quả cho thấy mô hình MLP đề xuất có khả năng dự đoán điện trở suất biểu kiến với độ chính xác cao, đồng thời giảm đáng kể chi phí tính toán so với các phương pháp khảo sát và tính toán truyền thống. Nghiên cứu khẳng định tiềm năng kết hợp giữa FEM và AI trong các ứng dụng địa vật lý, đồng thời cung cấp một khuôn khổ hiệu quả để dự đoán điện trở suất dưới bề mặt trong các hệ đất phân lớp.