Doğal uçlaşama (DU) uygulamalarında kaynak yapı özelliklerini belirlemek yöntemin temel amacıdır. Çeşitli yöntemler bu özelliklerin saptanmasında kullanlmaktadır. Bu çalışmada Radyal Taban Fonksiyonlu Yapay Sinir Ağları (RTFA) ve geleneksel Levenberg-Marquardt (LM) ters çözüm yöntemleri DU verilerine uygulanmıştır. Çalışma iki aşamadan oluşmaktadır. İlk aşamada, gürültüsüz ve gürültülü küre şekilli kuramsal modelin DU anomalisinin her iki yöntemle ters çözümleri yapılarak model parametreleri saptanmıştır. İkinci aşamada ise yöntemler Seferihisar(İzmir) alanından toplanmış olan DU verilerine uygulanmıştır. Elde edilen sonuçlar karşılaştırıldığında, RTFA’nın LM ters çözüm sonuçlarına göre nispeten daha küçük hata değeriyle model parametrelerini saptadığı görülmüştür. Sonuç olarak, bu çalışma, RTFA yöntemi kullanılarak DU küre modeli ters çözümünün güvenilir bir şekilde yapılabileceğini ortaya koymuştur.
The main purpose of the method is to determine the source structure properties in self-potential (SP) applications. Various methods are used to determine these properties. In this study, Radial Basis Function Neural Network (RBFNN) and traditional Levenberg-Marquardt (LM) inversion methods were applied to SP data. The study consists of two stages. In the first stage, the model parameters were determined by performing inverse solutions of the SP anomaly of the noise-free and noisy spherical polarized synthetic model with both methods. In the second stage, the methods were applied to the SP data collected from the Seferihisar (İzmir) field. When the results were compared, it was seen that RBFNN determined the model parameters with a relatively smaller error value than the LM inversion results. In conclusion, this study revealed that the SP sphere model inversion can be reliably performed using the RBFNN method.
