به‌كارگيري روش هاي خوشه‌بندي ميانگين K، ميانگين فازي و گوستافسون كسل در تلفيق نتايج وارون سازي داده هاي توموگرافي لرزه‌اي انكساري و مقاومت ويژه الكتريكي براي ارزيابي آبرفت و سنگ بستر

Application K-Means, Fuzzy C-Means and Gustafson-Kessel FCM Methods in Integration of Refraction Seismic Tomography and Electrical Resistivity Data Inversion Results for Evaluation of the Alluvium and Bedrock

در سال‌هاي اخير، الگوريتم‌هاي خوشه‌بندي فازي بيش‌تر از ساير روش‌ها براي خوشه‌بندي نتايج به‌كار برده شده ­اند. در خوشه‌بندي، الگوريتم‌هاي فازي مي‌توانند در تلفيق مدل‌هاي چندگانه با گروه‌بندي نمونه‌ها در يك فضاي چند‌بعدي، به‌كار روند. مفهوم عضوهاي جزئي خوشه، ناهمگني ساختاري همه مدل‌هاي ورودي را تلفيق كرده و آن را در يك مفهوم فازي توصيف مي‌كند. در اين پژوهش، بعد از وارون­‌سازي داده‌هاي مقاومت ويژه الكتريكي با روش كم‌ترين مربعات گوس- نيوتن و با استفاده از نرم‌افزار RES2DINV و نيز محاسبه اولين زمان رسيدها با استفاده از نرم‌افزار PickWin و وارون‌سازي داده­ هاي توموگرافي لرزه­اي انكساري با استفاده از نرم‌افزار GeotTom CG، داده‌ها با سه روش ميانگن K، ميانگين فازي و گوستافسون كسل خوشه‌بندي شدند. با استفاده از روش شاخص دان براي بهينه‌سازي تعداد خوشه‌ها عدد 12 به‌دست آمد كه با توجه به نقشه­ هاي به‌دست آمده براي مقاومت ويژه الكتريكي و توموگرافي لرزه­اي انكساري، تعداد خوشه مناسبي است. با توجه به بررسي‌هاي انجام شده در بستر سد، محدوده آبرفت و سنگ بستر و هم‌چنين لايه‌بندي، روش خوشه‌بندي گوستافسون كسل نتيجۀ بهتري را نشان داده است. با به‌كار بردن نتايج ميانگين فازي در آغاز الگوريتم گوستافسون-كسل، گام‌هاي تكرار كاهش و سرعت همگرايي افزايش مي‌يابد. محاسبات مربوط به الگوريتم‌هاي خوشه‌بندي با كدنويسي در محيط نرم افزار متلب انجام شده است

In recent years, fuzzy partitioning cluster algorithms have become more popular. Similar to crisp partitioning clustering, fuzzy algorithms can be used to integrate multiple models into a single zonal multiparameter model by grouping samples in a multidimensional space into clusters. The concept of partial cluster memberships integrates the structural heterogeneity of all input models and describes it in a fuzzy sense. In this study, the electrical resistivity data inversion is made by Gauss-Newton least squares method using RES2DINV software and also, the first arrival or break times are calculated using PickWin software, and moreover, the refraction seismic tomography data inversion is carried out using GeotTom CG software. Then, the data results have been clustered by three methods: K-Means, FCM and Gustafson-Kessel FCM. Using Dunn index to optimize the number of clusters, the number of optimal clusters has been obtained equal to 12 that is a suitable number of clusters by considering the obtained electrical resistivity and refraction seismic tomography maps. Furthermore, considering the studies made in the dam site, alluvial basin and bedrock as well as bedding, it seems that Gustafson-Kessel FCM clustering method has shown better results. By starting Gustafson-Kessel algorithm and obtaining the results of running FCM, we see that the number of iterations is reduced and the speed of convergence is increased. The clustering algorithm computations in this research work have been made using programming in MATLAB software.