عنوان پایان‌نامه

مدلسازی معکوس داده های سونداژ الکتریکی پراکنده به روش بهینه سازی ازدحام ذرات PSO در دشت شمال شاهین شهر



    دانشجو در تاریخ ۳۰ بهمن ۱۳۹۱ ، به راهنمایی ، پایان نامه با عنوان "مدلسازی معکوس داده های سونداژ الکتریکی پراکنده به روش بهینه سازی ازدحام ذرات PSO در دشت شمال شاهین شهر" را دفاع نموده است.


    رشته تحصیلی
    ژئوفیزیک-ژئوالکتریک
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56461;کتابخانه موسسه ژئوفیزیک شماره ثبت: 845
    تاریخ دفاع
    ۳۰ بهمن ۱۳۹۱
    دانشجو
    فروغ علوی
    استاد راهنما
    محمدکاظم حفیظی
    چکیده
    لینک فایل چکیده
    الگوریتم بهینه‌سازی ازدحام ذرات (PSO) یک الگوریتم بهینه‌ساز عام است که در حل بسیاری از مسائل مهندسی از جمله مسائل ژئوفیزیکی کاربرد دارد. این الگوریتم بر اساس شبیه‌سازی حرکت دسته‌ جمعی پرنده‌ها و ماهی‌ها، طراحی شده است. در این الگوریتم تابع هدف که معمولاً یک کمیت جمع مربعات اختلاف مقادیر اندازه‌گیری شده با مقادیر پاسخ مدل می‌باشد، بهینه می‌شود. نقطه بهینه همان نقطه ماکزیمم یا مینیمم تابع هدف خواهد بود که پارامترهای مدل پیش‌بینی کننده پاسخ سیستم را بدست می‌دهد. در این تحقیق، از این روش برای مدل‌سازی معکوس داده‌های مقاومت ویژه استفاده شده است. هدف از انتخاب روش PSO، بررسی دقت و صحت آن در مدل‌سازی این داده‌ها است. به منظور تست الگوریتم PSO، از داده‌های مصنوعی سه سونداژ فرضی سه، پنج و هفت لایه استفاده شده است. همچنین با استفاده از نتایج اعمال الگوریتم روی داده‌های یک سونداژ مقاومت ویژه در نزدیکی یک چاه، و مقایسه نتایج آن با اطلاعات لاگ زمین‌شناسی چاه، کاربرد عملی این روش تأیید گردیده است. همچنین نشان داده شده است که الگوریتم PSO قابلیت آن را دارد که به طور هم‌زمان چندین سونداژ را با هم مدل‌سازی نماید. به این ترتیب در مدل‌سازی هر سونداژ، تغییرات جانبی نیز در نظر گرفته می‌شود. این موضوع بخصوص در مورد ساخت مدل‌های دوبعدی و سه‌بعدی از زمین، با استفاده از داده‌های سونداژها اهمیت بیشتری می‌یابد. در این تحقیق مدل‌سازی داده‌های مقاومت‌ویژه برداشت شده از منطقه شمال شاهین‌شهر، با استفاده از الگوریتم PSO انجام شده است. به منظور مقایسه و صحت‌سنجی نتایج، این مدل‌سازی بار دیگر به روش رگرسیون ریج و با استفاده از نرم‌افزار IPI2WIN نیز اجرا شده است. مقایسه نتایج حاصل از این دو روش نشان می‌دهد که مدل PSO تطابق بیشتری با واقعیت زمین‌شناسی دارد.
    Abstract
    Particle swarm optimization (PSO) is a global search method inspired by the social behavior of individuals in nature such as bird flocking and fish schooling. PSO has been successfully used in many different engineering fields such as geophysics. PSO algorithm optimizes the objective function that is generally relative misfit used to quantify the distance between observations and predictions. The inverse problem consists of estimating the model parameters. The best values of model parameters are obtained when the objective function is minimum. In this thesis, we presented the application of the PSO algorithm to the solution of VES inverse problems. The algorithm is tested on synthetic data from theoretical models consist of three, five and seven-layer model. PSO algorithm also tested on field data and the results are compared with geological log of nearest drilling well. The inversion results showed good agreement with geological log. We have shown that it is possible to inverse all sounding data simultaneously, with PSO algorithm, and consider lateral changes to one-dimensional inversion. It is more accurate to use 2D and 3D model of earth. We used PSO algorithm to interpret field data from a VES survey carried out in the region of north Shahinshahr city. To compare PSO with other common methods, such as ridge regression, we used IPI2WIN software for inversion of these data. Comparison of the results of these two methods showed that the PSO model is more consistent with reality than Ridge regression model.