بهبود مدل سازی معکوس داده های الکترومغناطیس هوایی حوزه فرکانس با اعمال قید عمقی
محل انتشار: مجله فیزیک زمین و فضا، دوره: 42، شماره: 1
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 12 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-42-1_012
تاریخ نمایه سازی: 10 آبان 1402
چکیده مقاله:
در این مطالعه سعی در بهبود نتایج مدل سازی و تفسیر داده های الکترومغناطیس هوابرد حوزه فرکانس شده است. به این منظور با استفاده از قیدهایی چون قید هموارساز و قید عمقی، الگوریتم وارون سازی بر پایه اصلاح مدل در هر تکرار در محیط نرم افزار متلب برنامه نویسی شده است. از مزایای وارون سازی مقید یک بعدی داده های الکترومغناطیسی، پایداری الگوریتم در روند مدل-سازی تک بعدی سونداژهای الکترومغناطیسی است. با استفاده از این الگوریتم هموارسازی در طول الگوریتم و با استفاده از خطای عدم برازش کنترل خواهد شد از طرفی وارون سازی با توجه به اطلاعات عمقی لایه های مختلف مقاومت ویژه در هر سونداژ انجام می شود و حتی امکان استفاده از اطلاعات وارون سازی سونداژهای مجاور با مقایسه اطلاعات عمقی آنها و تعریف قید جانبی فراهم می آید. وارون سازی مقید می تواند شبه مقاطعی دو بعدی از کنار هم قرار دادن مدل های یک بعدی نتیجه دهد که قابلیت تفسیر بالاتر و اطلاعات بیشتری از تغییرات مقاومت ویژه را در منطقه فراهم می آورد. از معایب این روش افزایش زمان وارون سازی است که در روش های هوابرد به دلیل حجم زیاد داده ها فاکتور مهمی محسوب می شود.در مرحله بعد وارون سازی روی مدل مصنوعی استاندارد، حاوی درصدی نوفه آزمایش شده و با توجه به نتایج بدست آمده مشخص می شود این روش می تواند به عنوان روشی کارا و موثر در وارون سازی داد ه های الکترومغناطیس هوابرد به کار گرفته شود. در نهایت از این الگوریتم برای وارون سازی داده های واقعی منطقه ی میرگه نقشینه در حوالی شهرستان سقز در استان کردستان استفاده شده است.
کلیدواژه ها:
نویسندگان
Ako Alipour
دانشجوی کارشناسی ارشد ژئومغناطیس-دانشگاه شاهرود
- -
هیت علمی دانشگاه شاهرود، دانشکده معدن، نفت و ژئوفیزیک
- -
هیت علمی دانشگاه شاهرود، دانشکده معدن، نفت و ژئوفیزیک
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 :