بکارگیری روشی موثر برای تخمین پارامتر منظم سازی در مدل سازی معکوس دوبعدی داده های مگنتوتلوریک

یکی از پارامترهای موثر برای تولید مدلی مناسب در مدل سازی معکوس داده های مگنتوتلوریک همانند اغلب روشهای مدل سازی معکوس داده های ژئوفیزیکی پارامتر منظم سازی است. این پارامتر در اکثر روش های معکوس سازی به صورت تجربی تعیین می شود. در این مقاله از روش GCV بهبود یافته (modified Generalized Cross Validation: mGCV) به عنوان روشی جدید برای تخمین مناسب این پارامتر در معکوس سازی دوبعدی داده های مگنتوتلوریک استفاده شده است. برای این منظور مدل سازی معکوس دوبعدی یک مجموعه داده واقعی مگنتوتلوریک مورد مطالعه قرار گرفته است. مدل معکوس به دست آمده با استفاده از روش موردنظر با مدل معکوس به دست آمده با استفاده از روش متعادل سازی قید فعال (Active constrain Balancing: ACB) که اخیرا برای تخمین پارامتر منظم سازی توسعه شده، مقایسه گردیده است. نتایج نشان می دهد که روش GCV بهبود یافته روشی موثر برای تخمین پارامتر منظم سازی در معکوس سازی دوبعدی داده های مگنتوتلوریک است. به طوری که این روش با تخمین مناسب پارامتر منظم سازی در هر تکرار معکوس سازی منجر به تویلد مدلی مناسب می شود. همچنین نتایج نشان می دهد که این روش از نظر محاسباتی نیز موثر از روش متعادل سازی قید فعال است.

کلیدواژه ها:

مدل سازی معکوس دوبعدی ، مگنتوتلوریک ، پارامتر منظم سازی ، GCV