جداسازی بی هنجاری های گرانی باقیمانده، ناحیه ای و نوفه از میدان گرانی بوگه با استفاده از روش تجزیه مقادیر تکین
Publish place: Quarterly Journal of Geosciences، Vol: 30، Issue: 117
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 225
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-30-117_014
تاریخ نمایه سازی: 11 دی 1400
Abstract:
داده میدان پتانسیل، مجموع اثرچشمههای زیر زمینی می باشد. محاسبه بی هنجاری باقیمانده و ناحیه ای یکی از مراحل مهم از فرایند مدل سازی و وارون سازی در روش گرانی سنجی می باشد. وجود مقداری نوفه در داده های تصحیح شده گرانی نیز اجتناب ناپذیر است. در این مقاله، ما یک روش جدید جداسازی بر اساس تجزیه مقادیر تکین (منفرد) (SVD) داده های گرانی ارائه می نماییم. با روش SVD، یک ماتریس از داده های گرانی بوگه، به یک سری از تصاویر ویژه تجزیه می شود. تعداد تصاویر ویژه یا حدود آستانه مورد نیاز برای بازسازی نقشه های بی هنجاری های ناحیه ای و باقیمانده (محلی) و همچنین نقشه پراکندگی نوفه از روی بی هنجاری بوگه، بر اساس مقادیر منفرد به دست آمده از روش SVD تعیین می شود. در فرایند بازسازی سری داده با تصاویر ویژه، ممکن است اطلاعات ناچیزی را از دست بدهیم که این میزان را برابر میانگین واریانس ماتریس های حاصل شده با تصاویر ویژه در نظر گرفته ایم. کارآیی روش تجزیه مقدار منفرد با یک مجموعه از داده های مصنوعی نوفه دار گرانی مربوط به مدلی ترکیبی که در آن یک کره به عنوان بی هنجاری محلی و صفحه ای شیب دار در عمق زیاد به عنوان بی هنجاری ناحیه ای در نظر گرفته شده بود، مورد آزمایش قرار گرفته است به طوری که نتایج جداسازی کاملا قابل قبول میباشد. در نهایت، داده های مربوط به یک محدوده مطالعاتی در قم با استفاده از روش ارائه شده، مورد تحلیل قرار گرفت.
Keywords:
Authors
عطا اسحق زاده
کارشناسی ارشد، موسسه ژئوفیزیک دانشگاه تهران، تهران، ایران
علیرضا حاجیان
استادیار، گروه فیزیک، دانشکده علوم پایه، واحد نجف آباد، دانشگاه آزاداسلامی، نجف آباد، اصفهان، ایران
رقیه السادات کلانتری
کارشناسی ارشد، موسسه ژئوفیزیک دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :