بررسی دقت مدلسازی پیشرو دادههای الکترومغناطیس هلیکوپتری در مدلسازی معکوس
Publish place: Quarterly Journal of Geosciences، Vol: 20، Issue: 77
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 181
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-20-77_019
تاریخ نمایه سازی: 18 بهمن 1400
Abstract:
برداشت داده های الکترومغناطیس حوزه بسامد هلیکوپتری (HEM) امروزه جایگاه ویژه ای در به نقشه درآوردن ساختارهای زمینی سه بعدی مقاومت ویژه با قدرت تفکیک بالا و سریع در مناطق وسیع یافته است. رویه استاندارد در تفسیر این داده ها نیز غالبا فرایند وارون سازی زمین لایه ای است که امروزه بهره مندی از آن عمومیت یافته است. به دلیل متحرک بودن سیستم برداشت در زمان اندازه گیری، همراهی نوفه با داده ها نیز اجتناب ناپذیر است. از آنجا که بخشی از این اطلاعات هنگام به کارگیری فیلترهای متعدد بر روی داده ها به منظور آماده سازی آنها برای ورود به فرایند مدل سازی از بین می روند؛ لازم است از روش هایی در مدل سازی استفاده شود که با کمترین خطا و با بیشترین دقت به مدلی از آنچه در زیر زمین وجود دارد؛ نزدیک شوند. در این نوشتار، ابتدا با سه روش مختلف و با استفاده از تبدیل سریع هنکل، به مدل سازی پیشرو داده های مربوط به سه مدل مصنوعی دو، سه و چهار لایه پرداخته؛ سپس مدل سازی معکوس بر روی نتایج مدل های پیشرو انجام گرفت. نتایج حاصل گویای آن است که روش گوپتاسارما- سینگ بهبودیافته به پاسخ بهتری در هر سه مثال می رسد.
Keywords:
Authors
علیرضا عرب امیری
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
علی مرادزاده
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران.
داود رجبی
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران.
نادر فتحیان پور
دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران.
برنارد سیمون
انستیتو علومزمین و منابع طبیعی آلمان، هانور، آلمان.
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 :