عنوان پایان‌نامه
تصویرسازی ساختارهای نمکی با استفاده از وارون سازی سه بعدی داده های گرانی براساس الگوریتم یادگیری تطبیقی
- رشته تحصیلی
- ژئوفیزیک-گرانی سنجی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68607;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1129
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۳
- دانشجو
- سارا صیادی
- استاد راهنما
- وحید ابراهیم زاده اردستانی
- چکیده
- وارون سازی داده های گرانی یکی از روشهای ژئوفیزیکی برای تصویرسازی پهنه های نمکی محسوب می شود. در وارون سازی داده های گرانی برای پهنه های نمکی مسئله اصلی یافتن موقعیت و شکل یک آنومالی با دانسیته ثابت در زمینه ی رسوبی است. در این تحقیق از الگوریتم وارون سازی سه‌بعدی برای تخمین توزیع تباین چگالی سه بعدی آنومالی های گرانی استفاده می‌کنیم که بر اساس استراتژی یادگیری تطبیقی می‌باشد. در این روش ابتدا هندسه ی منابع آنومالی که تباین چگالی (مثبت و منفی) آن‌ها توسط مفسر از طریق عناصر هندسی تعیین می‌شوند، بازیابی می‌شوند. عناصر هندسی که معرف چارچوب ساختار آنومالی هستند بر اساس دانش اولیه ی مفسر درباره‌ی منطقه‌ی موردمطالعه تعیین شوند. در این روش وارون سازی مفسر نیاز به داشتن تعداد زیادی نقاط هندسی سه‌بعدی از ساختار آنومالی برای هم پوشانی با داده‌ها ندارد. در عوض مفسر می‌تواند فرضیه‌های زمین‌شناسی مختلفی با توجه به اولین حدس (نقطه‌ها محورها) از ساختار آنومالی که باید تصویرسازی شود را امتحان کند و درنهایت تصویر مناسبی از آنومالی به دست آورد. پس از تبیین مبانی تئوری موضوع، داده¬های مصنوعی با استفاده از مدل های مصنوعی در حالت سه¬ بعدی تولید شده که مدل های اولیه به نحو مناسبی بازسازی گردید. نهایتا با انجام مدل سازی وارون به روش الگوریتم یادگیری تطبیقی با استفاده از مدل اولیه بر روی داده های واقعی مربوط به منطقه ی تاقدیس چارک در استان هرمزگان کارایی روش در تصویرسازی پهنه نمکی این منطقه مشخص شد.
- Abstract
- We have used 3D gravity inversion through an Adaptive-learning algorithm for estimating a 3D density-contrast distribution producing strongly interfering gravity anomalies. The geometry of multiple gravity sources whose density contrast (position and negative values) are prescribed by interpreter through the geometric element. Geometric elements operate as the skeletal outline of the entire gravity sources which are determined through the prior information about the studies area. Such knowledge can be provided by seismic data and/or density log data. In this inversion approach the interpreter does not need to supply a large number of 3D anomaly’s geometries data to obtain an acceptable data fit rather, the interpreter can test different geologic hypotheses by supplying the first guess skeletal outline(points and line segment) of anomaly to be imaged. Therefore this method significantly improves image sharpness, comparing with others inversion method
