اثر تخمین نوفه در وارون سازی داده های توموگرافی مقاومت ویژه الکتریکی
Publish place: Journal of the Earth and Space Physics، Vol: 49، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 48
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-49-1_005
تاریخ نمایه سازی: 26 مهر 1402
Abstract:
تصویر سازی دوبعدی الکتریکی تحت عنوان توموگرافی مقاومت ویژه الکتریکی از طریق تعریف و حل یک مسئله وارون غیر خطی انجام می شود. در اغلب موارد داده های حاصل از برداشت صحرائی به دلیل ایده آل نبودن دستگاه های اندازه گیری، شرایط نامناسب برداشت، خطاهای اپراتوری و شرایط زمین شناسی، دارای نوفه هستند. آگاهی از توزیع آماری و مقادیر نوفه به دلیل ویژگی های خاص مسئله وارون می تواند نقش محوری در وارون سازی مقاومت ویژه الکتریکی ایفا کند. به طوری که برآورد درستی از مقادیر نوفه، مانع برازش بیش از حد و کمتر از حد داده های محاسباتی و داده های صحرائی در حین وارون سازی می شود. در واقع برازش نامناسب (برازشی که مقدار پارامتر خیلی بیشتر یا کمتر از یک باشد) منجر به ایجاد بی هنجاری های کاذب یا از دست دادن جزئیات مهم در مدل وارون نهایی می شود؛ بنابراین برآورد صحیح از سطح نوفه داده های صحرایی از طریق مدل های ریاضی و یا تکنیک های صحرایی با هدف تخمین مدلی نزدیک به واقعیت زمین ضرورتی اجتناب ناپذیر است. در این مقاله برای ارزیابی نقش برآورد سطح نوفه داده های صحرایی در خروجی مدل های وارون، ماتریس وزنی داده ها که متشکل از سطح نوفه در هر داده است از طریق دو روش هم پاسخی و برانبارش و در قالب آرایه ونر محاسبه می شود. نتایج مدل سازی های عددی بر روی داده های مصنوعی و صحرائی نشان می دهد که تخمین صحیح ماتریس وزنی داده ها منجر به برآورد مدل های مقاومت ویژه نزدیک به واقعیت زمین می شود.
Keywords:
خطای برانبارش , خطای هم پاسخی , تخمین سطح نوفه , تفاضل محدود , توموگرافی مقاومت ویژه الکتریکی (ERT) , وارون سازی غیرخطی
Authors
یسری آزادی
گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران. رایانامه: yosraazadi@ut.ac.ir
رضا قناتی
نویسنده مسئول، گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران. رایانامه: rghanati@ut.ac.ir
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 :