توانمندی محاسبات نرم در مدل‌سازی سیستمهای غیرخطی تکتونیکی

دسته تکتونیک
گروه سازمان زمین شناسی و اکتشافات معدنی کشور
مکان برگزاری بیست و یکمین گردهمائی علوم زمین
نویسنده رضا درخشانی(۱) ، قدرت‌الله فرهودی(۲) و محمد سمیع
تاريخ برگزاری ۱۹ مهر ۱۳۸۴

Absract:
A tectonic model of region should support the formation and mechanisms of the individual structures in the region. Existence of some inhomogenity such as differences in the age and rock mechanics properties of the geological formations of the methods of classic modeling of systems which required analytical models intensively. The common denominator of soft computing technologies is their departure from classical reasoning and modeling approaches that are usually based on Boolean logic, analytical models, crisp classifications, and deterministic search. In ideal problem formulations, the tectonic systems to be modeled are described by complete and precise information, but when we solve real-world problems of tectonics, we realize that such systems are typically ill defined, difficult to model, and possess large solution spaces. In these cases, precise models are impractical, or non-existent. Our solution must be generated by leveraging two kinds of resources: problem domain knowledge of the process and field data that characterize the behavior of the system. The relevant available domain knowledge is typically a combination of first principles and empirical knowledge, and is usually incomplete and sometimes erroneous. The available data are typically a collection of input-output measurements, representing instances of the system’s behavior, and may be incomplete and noisy.
 

چکیده:
هنگامی که بحث مدل تکتونیکی یک منطقه به میان می‌آید، معمولاً یک منطقه پیچیده از لحاظ وضعیت ساختارهای تکتونیکی در ذهن مجسم می‌گردد که بایستی با شناسایی ویژگیهای تک‌تک ساختارها، مدلی را لحاظ نمود که پاسخگوی ایجاد آن ساختارها و وضعیت فعلی حاکم بر منطقه باشد. در این میان وجود ناهمگنی‌هایی از جمله تفاوت در سن، ویژگیهای مکانیک سنگ و مقاومت نسبی سازندهای منطقه، موجب کاهش دقت در روشهای کلاسیک مدل‌سازی سیستمهای تکتونیکی که به شدت وابسته به مدل ریاضی سیستم هستند، به لحاظ تحلیل با مجموعه‌ای از تقریبها در جهت کسب سیستمی مرتبه پایین و خطی می‌گردد. روشهای محاسبه نرم (Soft Computing) از جمله محاسبه فازی با جایگزین کردن حوزه دانش مسأله (knowledge driven) بجای حوزه مقادیر عددی (data driven) نیاز به محاسبات ریاضی پیچیده را که در همه سیستمهای غیر خطی تکتونیکی معمول است، حذف نموده، بهره‌گیری از استدلالات شبه انسانی را در مدل‌سازی دینامیک آنها وارد می‌کند. هر دوی حوزه دانش مسأله (اطلاعات غیر عددی) و حوزه مقادیر مسأله (اطلاعات عددی) دو چارچوب کلی در تحلیل سیستمها هستند. اولی شامل ترکیبی از قوانین و دانش تجربی است که رفتار کلی سیستم را بیان می‌کند. این قوانین و دانش تجربی برخی خطاها را ذاتاً با خود دارد. دیگری، عموماً دیتا، مجموعه‌ای از اندازه‌گیریهای ورودی - خروجی است که رفتار لحظه‌ای سیستم را بیان می‌نماید و آشکارا متأثر از نویزپذیری و خطای انسانی می‌باشد. وقتی مسائل پیچیده تکتونیکی را در این دو چارچوب بررسی می‌کنیم، می‌بینیم که فضای حل مسأله بزرگ بوده و مدل‌های دقیق مبتنی بر روشهای کلاسیک چنان بد تعریف می‌شوند که غیرعملی می‌گردند، اما خصوصیت محاسبه نرم که نقطه مشترک همه تکنولوژی‌های آن محسوب می‌شود، انحراف از استدلال کلاسیکی است به نحوی که در آنها مدل‌های ریاضی (analytical models)، استدلال مبتنی بر جبر بول (Boolean logic)، طبقه‌بندی‌های خشک (Crisp classification) و جستجوی جبری برای پارامترها معنی نداشته و به آنها توانایی پرداختن به انواع ابهامات و تردیدهای مربوط به مسائل جهان واقعی (Real-world problems) را می‌دهد
مقدمه:
امروزه محاسبات عصبی (neurocomputing)، استدلال احتمالی (probabilistic computing)، محاسبات تکاملی (evolutionary computing) و منطق فازی (fuzzy logic) به طور بنیادی در زمینه‌های کاربردی بسیاری از قبیل سیستمهای خبره، پردازش سیگنال، تشخیص الگو، کنترل سیستم و غیره… به کار گرفته می‌شوند. نقطه مشترک این تکنیک‌ها، انحراف از استدلال کلاسیک می‌باشد که به آنها توانایی پرداختن به انواع ابهامات و تردیدهای مربوط به جهان واقعی را می‌دهد، از اینرو علی‌رغم تفاوت‌هایی که نسبت به هم دارند، به مجموعه آنها محاسبه نرم اطلاق می‌شود. این عنوان مرکب از ایده‌ها و تکنیک‌هایی است که می‌تواند ما را برای غلبه بر مشکلاتی که در یک منطقه پیچیده از لحاظ ساختارهای تکتونیکی با آنها مواجه‌ایم، توانمند سازد. این مشکلات ناشی از این حقیقت است که زمین ما به لحاظ ناهمگنی، تنوع ساختارها و تفاوت در ویژگیهای ژئومکانیکی سنگهای تشکیل دهنده آن، غیر دقیق و مبهم بوده و دسته‌بندی آن مشکل به نظر می‌رسد. از این دیدگاه محاسبه نرم را می‌توان مجموعه روشهایی دانست که تحمل نقص ناشی از عدم دقت و ابهامات را ممکن ساخته است.
 
بحث:
روش‌های پایه موجود در محاسبه نرم که گاهی محاسبه ادراکی نیز نامیده می‌شود، همان الگوریتم ژنتیک (GA)، شبکه عصبی (NN) و منطق فازی (FL) است. این روش‌ها قابل اشتقاق از متد‌های کلاسیک نمی‌باشند. منطق فازی به طور عمده به استدلال غیردقیق و تقریبی و محاسبه با کلمات مربوط می‌شود حال آنکه شبکه‌های عصبی به یادگیری و طبقه‌بندی، استدلال احتمالی به شک و تردید‌ها و محاسبه تکاملی به یافتن حلی بهینه و کارآمد مربوط می‌گردد. به بیانی دیگر، استدلالات احتمالی (PR) و فازی (FL) به استدلال تقریبی مبتنی بر دانش می‌پردازند لیکن عمل دو دسته دیگر یعنی(NN وEC) جستجو در یک فضای حل بزرگ برای دستیابی به حلی بهینه می‌باشد. اشتراکات این روشها عبارتند از:
1- غیرخطی هستند و توانایی پرداختن به مسائل غیر خطی را دارند.
2- مسیر و روند استدلالات شبه انسانی را بیشتر از روشهای استدلال کلاسیکی دنبال می‌کنند.
3- قابلیت خود یادگیری دارند.
4- در برابر نویز وخطا مقاومت خوبی دارند.
5- تئوری‌های سودمند الهام گرفته از سیستم‌های بیولوژیکی در آنها وجود دارد.
با توجه به این تشابهات، انتظار می‌رود خصوصیات مربوط به هر تکنیک منفرد در تکنیکهای جدیدی که از ترکیب آنها بدست می‌آید تقویت شده، رفتارها و عملکردهای جدیدی خلق شود. به عنوان مثال یک ترکیبی که بسیار مورد توجه است، معماری عصبی- فازی می‌باشد. بیشتر سیستم‌های عصبی- فازی، سیستمهایی مبتنی بر قوانین فازی بوده که در آنها از تکنیک‌های عصبی جهت استنتاج قوانین و درجه‌بندی استفاده می‌شود.
تکنیک‌های مرتبط با محاسبه نرم، در دو دسته زیر قرار دارند:
 
استدلال تقریبی
 جستجوی حل بهینه
 
اولی مبتنی بر حوزه دانش مسأله و دیگری بر حوزه مقادیر عددی مسأله استوار است. بنابراین محاسبات فازی و احتمالی از نوع اولی و محاسبات عصبی و تکاملی از نوع دومی می‌باشند. این تقسیم‌بندی از طبیعت الهام گرفته شده و ترکیب آنها در موارد بسیاری مشاهده می‌شود. روشهای کلاسیک نیز در همان چارچوب حوزه‌ دانش - حوزه مقادیرعددی قرار دارند. در طبقه نخست، روشهای کلاسیک به کمک معادلات دیفرانسیلی یا تفاضلی و یا به کمک جبر بول، به کد کردن دانش مسأله در قالب مدلی که رفتار سیستم را شرح می‌دهد، می‌پردازند. متاسفانه دانش همیشه ناقص بوده و با افزایش پیچیدگی سیستم معادلات بزرگ و دست نیافتنی می‌گردند، البته در برخی موارد با برخی فرض‌های ساده می‌توان شرایط مختلف مسأله را دنبال کرد.
 
نتیجه‌گیری:
وقتی روشهای کلاسیک در حوزه مقادیر عددی به کار گرفته می‌شوند با مشکلاتی از قبیل نقص اطلاعات، نویزی بودن آنها و پیچیدگی شرایط چند بعدی مواجه می‌شویم. مشکل اساسی روشهای کلاسیکی حل مسأله به خشک بودن اطلاعات و غیردقیق و مبهم بودن دانش مسأله برمی‌گردد. محاسبه نرم با خصوصیاتی که برای آن ذکر شد این مشکلات را برطرف می‌نماید، زیرا الگوی متفاوتی را در برخورد با دانش مسأله و اطلاعات آن پیش می‌گیرد. به طور خلاصه محاسبه نرم ائتلافی از روش‌های مختلف است که به انواع مختلف ابهامات و تردیدها و عدم قطعیت‌هایی که در مسائل جهان واقعی با آنها مواجه‌ایم، می‌پردازد.
 

کلید واژه ها: سایر موارد