fa به‌کارگیری روش های خوشه‌بندی میانگین K، میانگین فازی و گوستافسون کسل در تلفیق نتایج وارون سازی داده های توموگرافی لرزه‌ای انکساری و مقاومت ویژه الکتریکی برای ارزیابی آبرفت و سنگ بستر ژئوفیزیک Geophysics <p dir="RTL" style="margin-right:1.0cm;"><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">در سال‌های اخیر، الگوریتم‌های </span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">خوشه‌بندی</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> فازی بیش‌تر از سایر روش‌ها برای خوشه‌بندی نتایج به‌کار برده شده&shy;اند. در خوشه‌بندی، الگوریتم‌های فازی می‌توانند در تلفیق مدل‌های چندگانه با گروه‌بندی نمونه‌ها در یک فضای چند‌بعدی، به‌کار روند. مفهوم عضوهای جزئی خوشه، ناهمگنی ساختاری همه مدل‌های ورودی را تلفیق کرده و آن را در یک مفهوم فازی توصیف می‌کند. در این پژوهش، بعد از </span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">وارون&shy;‌سازی داده‌های مقاومت ویژه الکتریکی با روش کم‌ترین مربعات گوس- نیوتن و با استفاده از نرم‌افزار </span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">RES2DINV</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> و نیز محاسبه اولین زمان رسیدها با استفاده از نرم‌افزار </span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">PickWin</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> و وارون‌سازی داده&shy;های توموگرافی لرزه&shy;ای انکساری با استفاده از نرم‌افزار </span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GeotTom CG</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">، داده‌ها با سه روش میانگن </span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">K</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">، میانگین فازی و گوستافسون کسل </span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">خوشه‌بندی شدند. با استفاده از روش شاخص دان</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> برای بهینه‌سازی تعداد خوشه‌ها عدد 12 به‌دست آمد که با توجه به نقشه&shy;های به‌دست آمده برای مقاومت ویژه الکتریکی و توموگرافی لرزه&shy;ای انکساری، تعداد خوشه مناسبی است.</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">با توجه به بررسی‌های انجام شده در بستر سد، محدوده آبرفت و سنگ بستر و هم‌چنین لایه‌بندی، روش خوشه‌بندی </span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">گوستافسون کسل</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> نتیجۀ بهتری را نشان داده است. با به‌کار بردن نتایج میانگین فازی در آغاز الگوریتم گوستافسون-کسل، گام‌های تکرار کاهش و سرعت همگرایی افزایش می‌یابد. محاسبات مربوط به الگوریتم‌های خوشه‌بندی با کدنویسی در محیط نرم افزار متلب انجام شده است</span></span></span></p> <p>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.<br> &nbsp;</p> روش میانگین K, روش میانگین فازی, روش گوستافسون کسل, خوشه بندی, توموگرافی K-Means, Fuzzy C-Means, Gustafson-Kessel FCM method, clustering, Tomography, MATLAB. 183 198 http://gnf.khu.ac.ir/browse.php?a_code=A-10-75-1&slc_lang=fa&sid=1 Bahman Mohammadi بهمن محمدی bahmanmohammadi2005@gmail.com 10031947532846003711 10031947532846003711 Yes دانشگاه صنعتی شاهرود Abolghasem Kamkar Rouhani ابوالقاسم کامکار روحانی kamkarr@yahoo.com 10031947532846003712 10031947532846003712 No دانشگاه صنعتی شاهرود