بخشی از مقاله
چکیده
در این مقاله از الگوریتم وارون سازی سه بعدی برای تخمین توزیع تباین چگالی سهبعدی آنومالیهای گرانی استفاده میکنیم،که براساس استراتژی یادگیری تطبیقی می باشد.در این روش ابتدا هندسهی منابع آنومالی که تباین چگالی - مثبت و منفی - آنها توسط مفسر از طریق عناصر هندسی تعیین میشوند،بازیابی میشوند. عناصرهندسی که معرف چارچوب ساختارآنومالی هستند براساس دانش اولیهی مفسر درباره ی منطقه ی مورد مطالعه تعیین شوند.
این دانش معمولا از داده های لرزه ای یا چگالی درون چاهی فراهم میشوند.دراین روش وارون سازی مفسر نیاز به داشتن تعداد زیادی نقاط هندسی سه بعدی از ساختارآنومالی برای همپوشانی با داده ها ندارد.درعوض مفسر می تواند فرضیه های زمین شناسی مختلفی باتوجه به اولین حدس - نقطه ها ومحورها - از ساختار آنومالی که باید تصویرسازی شود را امتحان کند و در نهایت تصویر واضحتری از آنومالی نسبت به دیگر روشهای وارونسازی به دست آورد .
یکی از مسائل مهم در تفسیر دادههای گرانی پس از حذف بیهنجاریهای ناحیهای و تهیه نقشه آنومالیهای باقیمانده، تعیین پارامترهای هندسی آنومالی است که جهت نیل به هدف میتوان از فرآیند مدلسازی استفاده نمود. مدلسازی در دو گروه اصلی روشهای پیشرو و روشهای معکوس قرار میگیرند.هدف اصلی از وارونسازیهای گرانی تهیهی تصویری سهبعدی از یک توزیع تباین چگالی از دادههای گرانی است.
مدلسازی وارون به دو روش خطی و غیرخطی ممکن است صورت پذیرد.در حل ایم مسائل وارونسازی با عدم یکتایی مواجه میشویم.مفسران ناچار به کاهش رزولوشن هندسهی چشمهی آنومالی تخمینزدهشده در ازای حل مسئلهی عدم یکتایی میشود. یکی از روشهای خطی که به تازگی برای وارونسازی سهبعدی دادههای گرانی مورد استفاده قرارگرفته الگوریتمی جدید به نام یادگیری تطبیقی1 است .که نسبت به دیگر روشها تصاویری شارپتر از آنومالی زیرزمینی بهدستمیدهد.
1- روش کار الگوریتم یادگیری تطبیقی
فرض کنید مجموعهای از منابع گرانی سه بعدی با تباین چگالی ثابت محدودشده در ناحیهی R تعریف شدهاند. این ناحیه به شبکهای سه بعدی سه بعدی از از منشورهای عمودی که در مجاورت هم قرار گرفتهاند تقسیم شده است.این منشورها برای تقریب هندسه-ی صحیح ساختار آنومالی بهکار میروند.تباین چگالی در هر منشور ثابت فرض میشود.
