تخمین عمق به روش جدید اویلر RDAS و مقایسۀ آن با نتایج مدلسازی؛ مطالعۀ موردی: دادههای گرانی معدن هماتیت
Authors
Abstract:
تخمین عمق ساختارهای زمینشناسی یکی از مهمترین اهداف مطالعات ژئوفیزیکی است. واهمامیخت اویلر (اویلر استاندارد) یکی از روشهای معروف و پرکاربرد در تخمین عمق است. بر پایۀ اویلر استاندارد روشهای متنوعی برای کاهش خطای تخمین عمق معرفی شده است. در این پژوهش از روش جدیدی به نام اویلر RDAS استفاده شده است. این روش با استفاده از اویلر استاندارد به دست میآید و بر پایۀ گرادیان اول قائم و مشتقات سیگنال تحلیلی استوار است. بررسی دادههای گرانی مصنوعی نشان میدهد که اویلر RDAS، در تخمین عمق این دادهها، خطای کمتری از اویلر استاندارد دارد. همچنین از این دو روش برای تخمین عمق دادههای گرانی ناشی از تودۀ هماتیت، واقع در استان کرمان، استفاده شده است. جوابهای اویلر RDAS در مقایسه با اویلر استاندارد انطباق بیشتری با مرز آنومالیها دارد و همچنین برای هر آنومالی، جوابها در بازۀ قائم کوچکتری قرار دارند که میتواند ملاکی برای دقیقتر بودن جوابهای اویلر RDAS باشد. برای بررسی بیشتر با استفاده از وارونسازی به روش کاماچو دادههای گرانی معدن هماتیت مدلسازی شده است. افزون بر این، نتایج مدلسازی با نتایج تخمین عمق اویلر مقایسه شده است. در این مقایسه 10 نقطه برروی آنومالیها مشخص شده و عمق دقیق آنومالیها برای این نقاط نشان داده شده است. خطای میانگین مجذور مربعات بین جوابهای اویلر و مدلسازی محاسبه شده است. این خطا، بین اویلر RDAS و مدلسازی، کمترین مقدار است که نشان میدهد جوابهای اویلر RDAS به جوابهای مدلسازی نزدیک است. بنابراین میتوان گفت جوابهای اویلر RDAS و مدلسازی از اویلر استاندارد دقیقتر است.
similar resources
روش ترکیبی سیگنال تحلیلی و روش اویلر برای برآورد عمق بیهنجاریهای گرانی
در این مقاله روش معرفی شده سالم وراوات (2003) برای برآورد عمق بیهنجاریهای مغناطیسی، برای برآورد عمق بیهنجاریهای گرانی بهکار رفته است. عمق مکعبهایی با تباین چگالیهای گوناگون ابتدا بهمنزلة مدلهای مصنوعی با استفاده از این روش برآورد شده است. به اثر گرانی این مدلهای مصنوعی خطاهای تصادفی نیز اضافه شده است. این روش برای مجموعهای از دادههای واقعی نیز بهکار رفته و عمق بیهنجاری اصلی با ا...
full textتخمین عمق آنومالی میدان گرانی با استفاده از روش اویلر مکانی
در اکتشافات ژئوفیزیکی، نقش روشهای میدان پتانسیل غیر قابل انکار می¬باشد. در تفسیر داده-های میدان پتانسیل یکی از اهداف اصلی، تعیین محل و تعیین عمق ناهنجاری مغناطیسی یا گرانشی می¬باشد. در این پایان¬نامه، برای تخمین عمق آنومالی میدان گرانی از روش اویلر استفاده شده است. به همین منظور، ابتدا این روش روی داده¬های مصنوعی اعمال و با کمک گرفتن از نتایج حاصل از آن ، این روش روی داده¬های میدان گرانی حاصل ا...
15 صفحه اولمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
full textروش اویلر دوبعدی با استفاده از DST دادههای گرانی
روش تبدیلات متشابه (DST) ابزازی کاملاً دقیق و خودکار برای تعیین عمق و مختصات آنومالیهای گرانی از روش اویلر در اختیار ما قرار میدهد. استاورو (1997) نتایج استفاده از این روش را در مورد آنومالیهای مغناطیسی دوبعدی و دادههای نیمرخی مغناطیسی هوایی نشان داده است. ما این روش را برای دادههای گرانی مربوط به مدلهای مصنوعی و دادههای واقعی به کار میبریم.
full textتعیین اندازه پنجره و ضریب ساختار بهینه در تخمین عمق موهو به روش واهمامیخت اویلر (مطالعه موردی: محدوده ی زاگرس)
ناپیوستگی موهو مرز بین پوسته و گوشته ی بالایی است که تفاوت دو محیط را با تغییرات در سرعت لرزه ای، ساختار شیمیایی، مواد تشکیل دهنده و مانند آن آشکار می سازد. هدف این تحقیق یافتن عمق موهو در محدوده ی زاگرس و برآوردی از ضخامت پوسته به روش واهمامیخت اویلر است. روش واهمامیخت اویلر یک روش خودکار برای برآورد عمق، شکل و مکان منبع های مغناطیسی و گرانی است که اساس آن به کارگیری مشتق های میدان در معادله ه...
full textتخمین عمق گنبدهای نمکی با استفاده از دادههای گرانی از طریق شبکۀ عصبی رگرسیون تعمیمیافته، مطالعۀ موردی: میدان مورس، دانمارک
در این مقاله تخمین عمق گنبدهای نمکی با استفاده از روش شبکۀ عصبی رگرسیون تعمیمیافتهGRNN، از طریق دادههای گرانیسنجی بررسی شده است. بدین منظور یک شبکۀ عصبی GRNN به وسیلۀ دادههای گرانی که از روش پیشرو، مدل گنبد نمکی را به دست میآورد، به ازای اعماق مختلف بهدستآمده آموزش داده شد و با محاسبۀ خطای شبکه، شبکه مرتب اصلاح شد تا معماری شبکه با خطای پذیرفتنی به دست آید. سپس بهمنظور تست شبکه از داده...
full textMy Resources
Journal title
volume 44 issue 1
pages 1- 20
publication date 2018-04-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023