فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش روشی برای استخراج خصوصیات طیفی چشمه‌های نفتی و اکتشاف آنها با بهره گیری از تصاویر سنجنده OLI ماهواره لندست 8 واعمال الگوریتم‌های شبکه عصبی مصنوعی و بیشترین شباهت ارائه شده است. منطقه مطالعاتی محدوده ای از سه استان خوزستان، فارس وکهگیلویه و بویر احمد را در برمی گیرد.. از شاخص‌های طیفی گیاهی، آب، خاک و شاخص‌های تبدیل تسلدکپ در کنار باندهای بازتاب تصاویر بازتابی استفاده شد تا فضای ویژگی مورد نیاز برای اکتشاف چشمه‌های نفتی تولید گردند. برای شناسایی و اکتشاف چشمه‌های نفتی، از تمام عوارض و کاربری‌های موجود در منطقه در کنار چشمه‌های نفتی موجود و شناسایی شده توسط وزارت نفت، بصورت دستی نمونه‌برداری گردید. با استفاده از مقادیر و علامت ویژگی‌ها در نمونه‌های برداشت شده، قابلیت تفکیک‌پذیری چشمه‌های نفتی از سایر کاربری‌ها مورد بررسی قرار گرفت. در ادامه با استفاده از داده‌های آماری بخشی از نمونه ها، آموزش شبکه عصبی پیشخور با 8 لایه پنهان انجام و مورد ارزیابی قرار گرفت. همچنین برآورد پارامترهای مدل برای الگوریتم بیشترین شباهت توسط نمونه‌های استخراج شده انجام گرفت و در نهایت شبکه عصبی آموزش دیده و مدل بیشترین شباهت بر روی ویژگی‌های کل منطقه مطالعاتی اعمال گردید تا مکان‌های احتمالی چشمه‌های نفتی استخراج شوند. نتایج صحت‌سنجی بر اساس داده‌های آزمون نشان داد که شبکه عصبی با ضریب کاپای 07/92% و صحت کلی 53/99 %، چشمه‌های نفتی را از سایر کاربری‌ها تفکیک کرده است اما الگوریتم بیشترین شباهت در جداسازی چشمه‌های نفتی را از سایر کاربری‌ها بسیار ضعیف عمل کرده است بطوریکه ضریب کاپای و صحت کلی آن به ترتیب برابر با 93/22% و 35/73 % می‌باشد. در این پژوهش با بررسی تصویر طبقه‌بندی به دست آمده از شبکه عصبی، 15 نقطه جدید به عنوان مکان‌های احتمالی چشمه‌های نفتی استخراج گردید و بررسی این نقاط توسط تصاویر گوگل، وجود چشمه‌های نفتی در نقاط مشخص شده را تایید کرد.