مدلسازی معکوس دوبعدی غیر خطی داده های میدان کل مغناطیس با استفاده از روش تجزیه مقادیر تکین (singular valuedecomposition)
محل انتشار: پانزدهمین همایش انجمن زمین شناسی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,868
فایل این مقاله در 9 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:
SGSI15_178
تاریخ نمایه سازی: 9 اسفند 1390
چکیده مقاله:
مدل سازی ها به عنوان یکی از جالب ترین ابزارهای ژئوفیزیکی در بدست آوردن تصاویر دو و سه بعدی ازساختارهای زمین شناسی است. در مدل سازی از خواص فیزیکی (چگالی، خودپذیری مغناطیسی و..) وهندسی (عمق، هندسه و..) به عنوان پارامترهای مدل و از اندازه گیری های ژئوفیزیکی به عنوان مفروضات (دادهها) استفاده می گردد. مسئله اصلی در مدلسازی، تعداد پارامترهای آن است که با افزایش آن دقت ساختارهای شبیه سازی شده کاهش پیدا کرده و به تبع آن ناپایداری (Instability) در مدل افزایش پیدا می کند که در صورت وجود یک نویز بسیار کوچک در داده های برداشت شده، تغییرات بسیار زیاد و غیر واقعی در پارامترهای مدل ایجاد می شود، به عبارتی به سمت شرایط نامطلوب (Bad Condition) نزدیک می شود. استفاده از روش تجزیه مقادیر تکین (SVD) نسبت به سایر روش ها محدودیت در انتخاب تعداد پارامترهای مدل را تا حد زیادی مرتفع می کند. در این مقاله از این روش برای وارونسازی داده های میدان کل مغناطیسی در ساختار هایی که دارای تباین مغناطیدگی با سن گهای رسوبی بالایی بوده جهت تعیین عمق سنگ بستر استفاده شده است. در نهایت مدل یا یک داده مصنوعی دربرگیرنده نوفه گوسی و یک داده واقعی آزمایش گردید.
کلیدواژه ها:
نویسندگان
فواد میثمی
دانشجوی کارشناسی ارشد مهندسی اکتشاف معدن دانشگاه صنعتی شاهرود
علی مراد زاده
استاد دانشکده مهندسی معدن، نفت و ژئوفیزیک دانشگاه صنعتی شاهرود
علی نجاتی کلاته
استادیار دانشکده مهندسی معدن، نفت و ژئوفیزیک دانشگاه صنعتی شاهرود
مجتبی توکلی
دانشجوی کارشناسی ارشد ژئوفیزیک دانشگاه صنعتی شاهرود
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 :