ترکیب بهینه سازی ازدحام ذرات (PSO) و تبرید شبیه سازی شده (SA) برای مدل سازی معکوس ساختارهای زمین شناسی با استفاده از داده های گرانشی و مغناطیسی

مسائل معکوس در ژئوفیزیک با هدف تخمین پارامترهای زیر سطحی مانند عمق ساختارهای زمین شناسی از طریق داده های گرانشی و مغناطیسی انجام می شود. این مسائل به دلیل ماهیت غیر خطی و ناپایدار (ill-posed) خود بسیار چالش برانگیز هستند. این مطالعه یک روش بهینه سازی ترکیبی قدرتمند را معرفی می کند که با ادغام بهینه سازی ازدحام ذرات (PSO) و تبرید شبیه سازی شده (SA) به وارون سازی دقیق داده های مغناطیسی مربوط به ساختارهای زمین شناسی دایک مانند با الگوریتم ترکیبی (PSO-SA) می پردازد. روش پیشنهادی با بهره گیری از یک حدس اولیه بهبودیافته برای هدایت فرآیند جستجو، استفاده از PSO برای جستجوی جامع سراسری و به کارگیری SA برای پالایش دقیق محلی به دقت وارون سازی داده های مغناطیسی بالا در تخمین عمق دست می یابد. کارایی این رویکرد بر روی سه مدل دایک مصنوعی با ساختارهای زمین شناسی و پیچیدگی های ساختاری متفاوت به طور دقیق آزمایش شد. نتایج نشان می دهد که رویکرد ترکیبی در مقایسه با راه حل های مبتنی بر حدس اولیه غیر بهینه تطابق بسیار بهتری با داده های مشاهده ای فراهم می کند و دقت مدل نهایی را به طور قابل توجهی افزایش می دهد.

کلیدواژه ها:

مسائل معکوس ، ژئوفیزیک ، بهینه سازی ازدحام ذرات (PSO) ، تبرید شبیه سازی شده (SA)