مدل سازی داده های میکروگرانی به روش رگرسیون خطی برای مدل استوانه ی شیب دار، مورد بررسی: شفت واقع در سد سیاه بیشه
محل انتشار: مجله فیزیک زمین و فضا، دوره: 42، شماره: 2
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 37
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-42-2_008
تاریخ نمایه سازی: 10 آبان 1402
چکیده مقاله:
در این تحقیق از طریق روابط محاسباتی جدید، پارامترها ی هندسی چشمه ی آنومالی، بر اساس مدل استوانه ی شیبدار، محاسبه می شود. روش های گذشته عمدتا روی حالت های افقی و عمودی استوانه بررسی می شد و علاوه بر این زاویه ی امتداد آن نیز درنظرگرفته نمی شد. روش مورد استفاده در این مقاله با حل محدودیت های موجود در روش های پیشین، اجازه ی چرخش آزادانه-ی استوانه در فضای زیر سطحی را فراهم می کند. نهایتا با این روش می توان تغییرات بیشتری از جمله زاویه شیب ، امتداد ، شعاع، عمق تا بالای چشمه و تباین چگالی استوانه را بررسی کرد. روابط جدید معکوس سازی در این مقاله، روابطی هستند که در گذشته توسط سو و همکارانش مطالعه شده اند. در این مقاله نیز با ۳۸ مدل مختلف و استفاده از الگوریتم معکوس سازی مورد استفاده توسط سو و همکارانش، روابط جدید روی مدل های دیگر مطالعه شده اند. در اینجا نیز همانند مطالعه ی قبلی برای معکوس سازی از الگوریتم رگرسیون گیری خطی چندگانه و روش حداقل مربعات استفاده می شود. در این الگوریتم بین پارامترهای چشمه به عنوان متغیر مستقل و یک سری نشانگرها به عنوان متغیر وابسته ارتباط خطی برقرار می شود. نشانگرها روابطی هستند که از مختصات بخش های خاصی از آنومالی باقی مانده استخراج می شوند. این بخش ها قسمت هایی از منحنی آنومالی هستند که با تغییر پارامترها، تغییرات قابل ملاحظه ای دارند. در این مقاله یک شفت در منطقه ی سیاه بیشه به عنوان مطالعه ی صحرایی بکار گرفته شده است. زون ریزشی در این شفت توسط داده های میکروگرانی آشکارسازی شده و توسط روش معرفی شده در این مقاله با استفاده از مدل استوانه ی شیبدار مدل سازی شده است.
کلیدواژه ها:
نویسندگان
morteza erfanian norozzadeh
دانشگاه تهران
vahid ebrahim zadeh ardestani
هیات علمی بخش گرانی سنجی-موسسه ژئوفیزیک دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :