مدلسازی پروفیل سرعت موج برشی با وارون سازی داده های HVSR با استفاده از الگوریتم CJAYA
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 46
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_JRAG-11-1_005
تاریخ نمایه سازی: 26 آذر 1404
چکیده مقاله:
شناخت ساختار سرعت موج برشی (Vs) در مطالعات مهندسی مرتبط با حوزه علوم زمین بسیار حائز اهمیت است. بطوریکه در مطالعات مربوط به اثر ساختگاه، Vs و فرکانس طبیعی کلیدی ترین متغیرها می باشند. جهت مدلسازی سرعت موج برشی تکنیک های مختلفی وجود دارد. اما استفاده از روش های ژئوفیزیکی در شناخت این متغیرها به دلیل عدم تخریب محیط زیست و سرعت و دقت مناسب همواره مورد نظر مهندسان بوده است. در چند سال اخیر استفاده از امواج مایکروترمور بسیار مورد استفاده قرار گرفته است. روش برداشت مایکروترمور تک ایستگاهی به دلیل سهولت و سرعت بالا در برداشت داده، از جمله روش هایی است که در دهه گذشته در مدلسازی Vs بسیار مورد توجه قرار گرفته است. در این روش بعد از جمع آوری امواج مایکروترمور (با لرزه نگار سه مولفه ای) نسبت طیفی مولفه افقی به قائم (Horizontal to vertical spectral ratio) در فرکانس-های مختلف محاسبه شده و نمودار مربوطه که نمودار HVSR نامیده می شود به دست می آید. با وارون سازی این نمودار می توان ساختارVs را تخمین زد. اما وارون سازی مناسب داده های HVSR در دستیابی به یک مدل قابل اعتماد از Vs بسیار حائز اهمیت است. در این مطالعه یک روش وارون سازی جدید و مناسب برمبنای الگوریتم فراکاوشی CJAYA پیشنهاد شده است که با ایجاد تغییراتی در الگوریتم اصلی JAYA برای وارون سازی داده های HVSR کاربردی و قابل استفاده است. سرعت همگرایی بالا و عدم نیاز به تنظیم پارامترهای داخلی از ویژگی های این الگوریتم می باشند. روش پیشنهادی در این مطالعه علاوه بر داده های ساختگی (در حالت وجود نوفه و بدون آن)، با استفاده از داده های واقعی نیز مورد آزمون قرار گرفت. نتایج بیانگر کارایی، دقت و سرعت بالای روش پیشنهاد شده می باشد. بطوریکه کارایی روش پیشنهاد شده در در تخمین پارامترهای مدل (Vs و ضخامت لایه ها) در حضور نوفه و بدون آن در مقایسه با الگوریتم اصلی JAYA از برتری برخوردار بود و همچنین همگرایی به پاسخ نهایی در تعداد تکرارهای کمتر به دست آمد.
کلیدواژه ها:
نویسندگان
راشد پورمیرزائی
دانشیار؛ دانشکده صنایع و فناوری های معدنی، گروه مهندسی معدن، دانشگاه صنعتی ارومیه
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 :