عنوان پایان‌نامه
مدل سازی دو بعدی اتوماتیک داده های مغناطیس سنجی با استفاده از اثرات لبه ای بی هنجاری ها
- رشته تحصیلی
- ژئوفیزیک-ژئومغناطیس
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63222;کتابخانه موسسه ژئوفیزیک شماره ثبت: 989;کتابخانه موسسه ژئوفیزیک شماره ثبت: 989
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۲
- دانشجو
- اکبر اسماعیلی کیا
- استاد راهنما
- بهروز اسکوئی
- چکیده
- در این پایان‌نامه از روش توزیع خواص فیزیکی برای وارون‌سازی داده‌های مغناطیسی استفاده شده است. زمین مورد مطالعه، به تعداد زیادی سلول‌های پایه با پذیرفتاری مغناطیسی ثابت تقسیم می‌شود، به‌طوری که تعداد این سلول‌ها به مراتب بیشتر از تعداد داده‌ها باشد که مسئله، به یک مسئله فروبرآورد تبدیل و سپس حل شود. در این مطالعه از منشورهای افقی با طول بی‌نهایت برای مسائل دوبعدی استفاده شده است. یک تابع هدف بهصورت تابعی از خطای داده‌ها، اندازه پارامترهای مدل و مشتقات آنها تعریف می‌شود که امکان واردکردن مدل اولیه و اطلاعات جانبی وجود دارد و قید مثبت‌ماندن، مانع از ایجاد مقادیر منفی برای پذیرفتاری مغناطیسی سلول‌ها می‌شود. با کمینه کردن این تابع هدف، توزیع پذیرفتاری مغناطیسی بهینه در داخل زمین به‌دست می‌آید. بر این اساس، یک الگوریتم دوبعدی طراحی شده که در هر مرحله می‌تواند فقط داده‌های یک پروفیل را وارون‌سازی کند. از مزایای این الگوریتم، تشابه نتایج مدل‌سازی به زمین واقعی می‌باشد که امتیاز وارون‌سازی به روش توزیع خواص فیزیکی نسبت به روش پارامتر‌سازی است. در یک نوآوری در این پایان نامه با افزودن یک تابع دنباله متوسط برای حفظ گوشه‌ها در تابع هدف، مدل‌های به‌دست آمده علاوه بر اینکه از حالت صاف در آمده و تیزتر و متراکم‌تر می‌شوند، همزمان قید مشابهت با مدل اولیه نیز در الگوریتم وارد می‌شود و حجم محاسبات کمتر و سرعت الگوریتم بیشتر می‌شود. برنامه‌های نوشته شده بر روی داده‌های مصنوعی دو مدل دایک قائم و دایک مایل، در حضور نوفه و عدم حضور نوفه، آزمایش و ارزیابی شدند. داده‌های زمینی جنوب سیرجان، به‌عنوان داده‌های واقعی، مدل‌سازی شدند و نتایج آن بهصورت نقشه‌هایی از آنومالی‌های منطقه ارائه شده و مورد بررسی قرار گرفت که مشابهت خوبی با گزارش‌های پیشین در مورد این منطقه داشت.
- Abstract
- Modeling has an important role in analysis and interpretation of magnetic data. In this thesis we used physical property distribution method in order to inverse the magnetic data. In this method we divided the surveyed line subsurface into many cells with constant magnetic susceptibility, having a square cross section and infinite length. We assume that physical properties of subsurface do not vary in the direction perpendicular to the survey line. It’s obvious that the number of these cells (model parameters) is larger than the data points which results in an underdetermined inverse problem. In this case we can use regularization in order to overcome non uniqueness of solution of this inverse problem. Following Namaki et al (2010), first we define a cost function that consists of a misfit, positivity forcing, similarity with a reference model and finally sparsity of model derivative terms. It was observed in Namaki et al (2010), using their proposed potential function to force the model derivatives to be sparse, provides us with a highly focused model and they proposed to use a smooth model as a reference model to avoid that problem. Here we propose a heavy tailed potential function (an approximation to L1 norm). To be used that potential function is less heavy tailed and forces model parameters not as high as what was used before. So we expect to solve the problem of excessive focusing by using this new potential function. Besides, we do not need to use a smooth model as the reference model and consequently the computational performance of the algorithms is expected to be enhanced. In order to examine the performance of the modified algorithm, we test it with two synthetic models consisting of vertical and horizontal dykes. Testing the algorithm performance in the presence of noise, we inverted the noisy version of above model responses. The ground magnetic data recorded in Sirjaan region, in the south of Iran was inverted using the proposed algorithm and the results showed a good correlation with geological and field reports of the region.
