مدل سازی وارون دادههای گرانی با قید تغییرات کلی با استفاده از روش جهت متناوب ضرایب
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90
فایل این مقاله در 8 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_JRAG-11-1_006
تاریخ نمایه سازی: 26 آذر 1404
چکیده مقاله:
مدل سازی وارون داده های گرانی یکی از مهم ترین مراحل پردازش و تفسیر این داده ها است. این مقاله یک روش مدل سازی وارون پراکنده جدید مبتنی بر منظم سازی نرم یک برای مدل سازی سه بعدی داده های گرانی ارائه می کند. به تنهایی، منظم سازی نرم یک منجر به یک مدل پراکنده با ساختار فشرده و متمرکز می شود. در اینجا، ما نرم یک را با تابع جریمه ای تکمیل می کنیم که قید تغییرات کلی، را اعمال می کند؛ انتظار می رود که مرزهای ساختار زیرسطحی با به کار گیری این تابع به خوبی مشخص شود. در این مطالعه، تعریف اصلی تغییرات کلی، یعنی شکل نرم یک گرادیان های مدل، استفاده می شود. برای حل مسئله با این تابع جریمه ترکیبی از نرم یک و تغییرات کلی، این مطالعه روش جهت متناوب ضرایب را معرفی می کند که یک الگوریتم بهینه سازی اولیه-دوگانه است که مسائل منظم شده شده محدب را بر اساس بهینه سازی تابع لاگرانژی افزوده حل می کند. این الگوریتم برای توابع هدف برای اعمال قیود خطی مناسب است. برای بهبود کارایی محاسباتی الگوریتم برای اعمال این روش در مسائل وارون گرانی بزرگ مقیاس، این مطالعه از روش گرادیان مزدوج به همراه روش انتخاب پارامتر منظم سازی تطبیقی استفاده می کند. این روش مدل سازی وارون بر روی هر دو داده مدل مصنوعی و داده های واقعی کانسار ویسی بی کانادا اعمال می شود، نتایج مدل ها نشان می دهد که ساختار زیرسطحی تقریبا به طور کامل قابل بازسازی است. تاثیر این تحقیق در بهبود تفسیر زمین شناسی و اکتشاف منابع معدنی مهم است ، زیرا وضوح بالاتر مدل های وارون سازی گرانی می تواند منجر به تصمیم گیری بهتر در مطالعات زیرسطحی شود.
کلیدواژه ها:
نویسندگان
محمد رضایی
استادیار؛ دانشکده فنی و مهندسی؛ دانشگاه ملایر؛ ملایر، 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 :