انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک
مدلسازی وارون دادههای مگنتوتلوریک به عنوان یک مسئله غیرخطی و بدحالت شناخته شده است، بنابراین برای به دست آوردن نتایجی معنیدار و منحصربهفرد، به طور معمول از روش منظمسازی تیخونوف (Tikhonov) برای حل آن استفاده می-شود. همچنین انتخاب بهینه پارامتر منظمسازی از دیگر فاکتورهای مهم برای دستیابی به مدل...
Main Authors: | , , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Shahrood University of Technology
2021-09-01
|
Series: | پژوهشهای ژئوفیزیک کاربردی |
Subjects: | |
Online Access: | https://jrag.shahroodut.ac.ir/article_2017_71159db3eb16bcf0eb78964efa3d6b7a.pdf |
_version_ | 1798001279254921216 |
---|---|
author | عارف زینال پور غلامرضا کمالی علی مرادزاده محمد رضایی |
author_facet | عارف زینال پور غلامرضا کمالی علی مرادزاده محمد رضایی |
author_sort | عارف زینال پور |
collection | DOAJ |
description | مدلسازی وارون دادههای مگنتوتلوریک به عنوان یک مسئله غیرخطی و بدحالت شناخته شده است، بنابراین برای به دست آوردن نتایجی معنیدار و منحصربهفرد، به طور معمول از روش منظمسازی تیخونوف (Tikhonov) برای حل آن استفاده می-شود. همچنین انتخاب بهینه پارامتر منظمسازی از دیگر فاکتورهای مهم برای دستیابی به مدلسازی وارون مناسب است. هدف از انجام این تحقیق، یافتن مقداری بهینه برای پارامتر منظمسازی، در وارونسازی دو بعدی دادههای مگنتوتلوریک براساس الگوریتم دوقطری سازی لنکزوس میباشد که بهترین ترکیب را با این روش برای بهبود دقت مدلسازی و افزایش سرعت وارون-سازی ساختارهای زیرسطحی لحاظ کند. برای این منظور دو روش متداول، اعتبارسنجی تقاطعی (GCV: Generalized Cross Validation) و متعادلسازی قید فعال (ACB: Active Constraint Balancing) بررسی و با روش جدید، منظم-سازی انطباقی (Adaptive Regularization) به عنوان روشی اتوماتیک و بهینه در الگوریتم وارونسازی دو بعدی دادههای مگنتوتلوریک در مقیاس بزرگ مقایسه خواهند شد. همچنین برای افزایش سرعت مدلسازی وارون از روش دو قطری سازی لنکزوس (Lanczos Bidiagonalization) استفاده شده است. روشهای مذکور در محیط متلب (Matlab) کد نویسی و در برنامه الگوریتم پایه MT2DInvMatlab لحاظ گردید. تخمینهای انجام یافته برای پارامتر منظمسازی، بر روی یک مدل مصنوعی با اعمال 3 درصد نوفه تصادفی و همچنین دادههای واقعی زمین گرمایی منطقه بوشلی (نیر) سبلان انجام شده است. نتایج حاصل نشان میدهد که علیرغم توانمندی همه روشها در انتخاب پارامتر منظمسازی، روش معرفی شده به لحاظ پارامترهای اندازهگیری شده از نظر میزان حافظه مورد نیاز، زمان سپری شده، همگرایی به مدل مطلوب در تکرارهای کمتر و همچنین دقت مدلسازی بر سایر روشهای مرسوم ارجحیت دارد. همچنین به کارگیری این روش برای دادههای واقعی نشان از توانمندی این روش در تولید یک مدل بهینه وارون دارد. |
first_indexed | 2024-04-11T11:34:54Z |
format | Article |
id | doaj.art-9f57613c42024631864af9fa65fecc1b |
institution | Directory Open Access Journal |
issn | 2476-5007 |
language | fas |
last_indexed | 2024-04-11T11:34:54Z |
publishDate | 2021-09-01 |
publisher | Shahrood University of Technology |
record_format | Article |
series | پژوهشهای ژئوفیزیک کاربردی |
spelling | doaj.art-9f57613c42024631864af9fa65fecc1b2022-12-22T04:26:01ZfasShahrood University of Technologyپژوهشهای ژئوفیزیک کاربردی2476-50072021-09-017325326510.22044/jrag.2021.10209.13052017انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریکعارف زینال پور0غلامرضا کمالی1علی مرادزاده2محمد رضایی3دانشجوی دکتری؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرماندانشیار؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرماناستاد؛ دانشکده مهندسی معدن، پردیس دانشکده فنی دانشگاه تهراناستادیار؛ دانشکده مهندسی معدن، گروه معدن، دانشگاه ملایرمدلسازی وارون دادههای مگنتوتلوریک به عنوان یک مسئله غیرخطی و بدحالت شناخته شده است، بنابراین برای به دست آوردن نتایجی معنیدار و منحصربهفرد، به طور معمول از روش منظمسازی تیخونوف (Tikhonov) برای حل آن استفاده می-شود. همچنین انتخاب بهینه پارامتر منظمسازی از دیگر فاکتورهای مهم برای دستیابی به مدلسازی وارون مناسب است. هدف از انجام این تحقیق، یافتن مقداری بهینه برای پارامتر منظمسازی، در وارونسازی دو بعدی دادههای مگنتوتلوریک براساس الگوریتم دوقطری سازی لنکزوس میباشد که بهترین ترکیب را با این روش برای بهبود دقت مدلسازی و افزایش سرعت وارون-سازی ساختارهای زیرسطحی لحاظ کند. برای این منظور دو روش متداول، اعتبارسنجی تقاطعی (GCV: Generalized Cross Validation) و متعادلسازی قید فعال (ACB: Active Constraint Balancing) بررسی و با روش جدید، منظم-سازی انطباقی (Adaptive Regularization) به عنوان روشی اتوماتیک و بهینه در الگوریتم وارونسازی دو بعدی دادههای مگنتوتلوریک در مقیاس بزرگ مقایسه خواهند شد. همچنین برای افزایش سرعت مدلسازی وارون از روش دو قطری سازی لنکزوس (Lanczos Bidiagonalization) استفاده شده است. روشهای مذکور در محیط متلب (Matlab) کد نویسی و در برنامه الگوریتم پایه MT2DInvMatlab لحاظ گردید. تخمینهای انجام یافته برای پارامتر منظمسازی، بر روی یک مدل مصنوعی با اعمال 3 درصد نوفه تصادفی و همچنین دادههای واقعی زمین گرمایی منطقه بوشلی (نیر) سبلان انجام شده است. نتایج حاصل نشان میدهد که علیرغم توانمندی همه روشها در انتخاب پارامتر منظمسازی، روش معرفی شده به لحاظ پارامترهای اندازهگیری شده از نظر میزان حافظه مورد نیاز، زمان سپری شده، همگرایی به مدل مطلوب در تکرارهای کمتر و همچنین دقت مدلسازی بر سایر روشهای مرسوم ارجحیت دارد. همچنین به کارگیری این روش برای دادههای واقعی نشان از توانمندی این روش در تولید یک مدل بهینه وارون دارد.https://jrag.shahroodut.ac.ir/article_2017_71159db3eb16bcf0eb78964efa3d6b7a.pdfبوشلیمگنتوتلوریکالگوریتم وارون سازی دو بعدیپارامتر منظم سازیدو قطری سازی لنکزوس |
spellingShingle | عارف زینال پور غلامرضا کمالی علی مرادزاده محمد رضایی انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک پژوهشهای ژئوفیزیک کاربردی بوشلی مگنتوتلوریک الگوریتم وارون سازی دو بعدی پارامتر منظم سازی دو قطری سازی لنکزوس |
title | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
title_full | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
title_fullStr | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
title_full_unstemmed | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
title_short | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
title_sort | انتخاب بهینه پارامتر منظمسازی در وارونسازی دادههای مگنتوتلوریک |
topic | بوشلی مگنتوتلوریک الگوریتم وارون سازی دو بعدی پارامتر منظم سازی دو قطری سازی لنکزوس |
url | https://jrag.shahroodut.ac.ir/article_2017_71159db3eb16bcf0eb78964efa3d6b7a.pdf |
work_keys_str_mv | AT ʿạrfzynạlpwr ạntkẖạbbhynhpạrạmtrmnẓmsạzydrwạrwnsạzydạdhhạymgntwtlwryḵ AT gẖlạmrḍạḵmạly ạntkẖạbbhynhpạrạmtrmnẓmsạzydrwạrwnsạzydạdhhạymgntwtlwryḵ AT ʿlymrạdzạdh ạntkẖạbbhynhpạrạmtrmnẓmsạzydrwạrwnsạzydạdhhạymgntwtlwryḵ AT mḥmdrḍạyy ạntkẖạbbhynhpạrạmtrmnẓmsạzydrwạrwnsạzydạdhhạymgntwtlwryḵ |