تخمین رسانندگی زمین لایه ای با داده های القای الکترومغناطیسی در محدوده عدد القای پایین با روش الگوریتم ژنتیک
محل انتشار: مجله فیزیک زمین و فضا، دوره: 51، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 16
فایل این مقاله در 19 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-51-2_001
تاریخ نمایه سازی: 12 مهر 1404
چکیده مقاله:
تخمین پارامترهای الکترومغناطیسی سطح زیرین زمین برای تعیین ویژگی های خاک مانند محتوای رس یا متغیرهای هیدرولوژیکی و در حوزه کشاورزی برای مدیریت منابع آب، بسیار مورد توجه هستند. در این راستا چندین روش ژئوفیزیکی، از جمله الکترومغناطیسی (EM) برای اندازه گیری رسانندگی لایه های زیر سطحی توسعه یافته است. در این مطالعه رسانندگی لایه های افقی زمین، در عمق قابل کاوش دستگاه EM-۳۸ با استفاده از داده های الکترومغناطیسی در محدوده عدد القای پایین برای مدل مصنوعی به دست می آید. داده های دستگاه EM-۳۸ بسته به جهت گیری دوقطبی های پیچه های فرستنده و گیرنده در سه مد افقی، قائم و ترکیبی از داده های دو مد مذکور در پیچه گیرنده قابل دریافت هستند. در این تحقیق، با استفاده از هر سه دسته داده و کاربست دو روش کمترین مربعات معمولی و الگوریتم ژنتیک، پارامترهای رسانندگی زمین مدل محاسبه و نتایج جهت تعیین توانایی هر یک از سه مد پیچه ها و دو روش به کار رفته در دقت پارامترهای به دست آمده مقایسه می شوند. نتایج تحقیق نشان داد برای مدل به کار رفته، استفاده از الگوریتم ژنتیک و روش کمترین مربعات معمولی با داده های مد ترکیبی، رسانندگی لایه ها به ترتیب با خطای کمتر از ۴ و ۵ درصد به دست می آورد. مسئله تخمین رسانندگی در این حوزه، یک مسئله وارون خطی بدوضع است. لذا از منظم سازی مرتبه صفر، اول و دوم تیخونوف برای تخمین پارامترها با داده های هر سه مد نیز استفاده و نشان داده می شود که منظم سازی در این مسئله کمکی به بهبود کیفیت پارامترها نمی کند و اساسا منجر به بازتولید مدل اصلی نمی شود.
کلیدواژه ها:
نویسندگان
Mojtaba Babaei
گروه ژئوفیزیک، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.
Seyed Manouchehr Hosseini Pilangorgi
گروه مهندسی برق، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران.
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 :