وارون‌سازی سه‌بعدی گرانی با استفاده از الگوریتم تصادفی کوکریجینگ، کاربرد روش روی داده های سایت معدنی صفو

Authors

Abstract:

در این مقاله وارون­سازی سه­بعدی داده­های گرانی برای تعیین توده زیرسطحی به روش زمین­آماری کوکریجینگ بررسی شده است. سطح زیرین در ناحیه برداشت داده­های گرانی، به تعداد زیادی مکعب با ابعاد و موقعیت معلوم تقسیم شده است. تباین چگالی مجهول هر یک از این مکعب­ها (به عنوان پارامتری که باید تخمین زده شود)، در نظر گرفته شده است. از آنجا که این نوع وارون­سازی از نوع تصادفی به شمار می­آید؛ تابع هدف شامل ماتریس کواریانس گرانی و ماتریس کواریانس چگالی برای در نظر گرفتن عدم قطعیت به ترتیب در داده­ها و پارامترهاست. علاوه بر آن از ماتریس وزن­دهی عمقی به منظور جلوگیری از انقباض توده به سمت سطح نیز استفاده شده است. برای وارون­سازی رابطه وارون از روش گرادیان مزدوج پیش شرط (PCG) استفاده شده است. برنامه کامپیوتری به زبان متلب نوشته شده است و این برنامه روی یک مدل مکعبی به عنوان مدل مصنوعی آزمایش شده است. نتایج از نظر چگالی و موقعیت در تطابق خوبی با مدل مکعبی است. در انتها داده­های گرانی برداشت شده روی معدن منگنز صفو واقع در شمال غرب ایران با استفاده از برنامه وارون­سازی مذکور برگردان و مدل­سازی شده­اند. نتایج وارون­سازی توزیع ماده معدنی توده­ای با گسترش عمقی 5 تا حدود 35 متری را نشان می­دهد؛ که با نتایج حاصل از حفاری انطباق دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

وارون‌سازی سه‌بعدی داده های گرانی سایت معدنی منگنز صفو با استفاده از برنامه‌ریزی خطی و الگوریتم سیمپلکس

در این مقاله از روش برنامه‌ریزی خطی برای وارون‌سازی سه‌بعدی داده‌های گرانی به منظور تعیین شکل توده زیرسطحی و به دست آوردن چگالی آن استفاده شده است. سطح زیرین ناحیه برداشت داده­های گرانی به تعداد زیادی مکعب با ابعاد و موقعیت معلوم تقسیم شده است. هدف تخمین تباین چگالی مجهول هر یک از این مکعب­ها است، در حالی که چگالی بیشینه‌ای برای منطقه مورد بررسی در نظر گرفته شده است. به عبارتی وارون‌سازی ساختما...

full text

وارونسازی یک بعدی داده های مگنتوتلوریک بر اساس الگوریتم لارسن

مدل نهایی بدست آمده در وارونسازی داده‌های مگنتوتلوریک بایستی تا حد امکان با زمین‌شناسی منطقه مورد مطالعه همخوانی داشته باشد. در اغلب روش‌های وارونسازی یک‌بُعدی مگنتوتلوریک که بصورت لبه‌های تیز ارایه می شود، مدل‌هایی بدست می‌آید که انطباق زیادی با زمین‌شناسی منطقه مورد مطالعه ندارد. این عدم انطباق بخصوص در آخرین لایه دیده می‌شود. الگوریتم‌هایی که بصورت هموار ارایه می‌شود، اغلب آنقدر هموار هستند ک...

full text

تفسیر کمی داده های گرانی با استفاده از گرادیان های گرانی

تفسیر کمی در سالهای اخیر کاملا مورد توجه قرار گرفته است. دو روش به نام های سیگنال تحلیلی و واهمامیخت ایلر(EULDPH ) در این مقاله مورد بحث قرار گرفته اند. بعد از مروری کوتاه روی پایه های ریاضی این دو روش‘ دو مثال صحرایی به منظور امتحان کارایی و محدودیت های این روش ها در مورد ساختمان های زمین شناسی پیچیده استفاده شده است. این روش تا کنون در مورد داده های مصنوعی و یا داده های با دقت بالا مانند داد...

full text

روش اویلر دوبعدی با استفاده از dst داده های گرانی

روش تبدیلات متشابه (dst) ابزازی کاملاً دقیق و خودکار برای تعیین عمق و مختصات آنومالی های گرانی از روش اویلر در اختیار ما قرار می دهد. استاورو (1997) نتایج استفاده از این روش را در مورد آنومالی های مغناطیسی دوبعدی و داده های نیمرخی مغناطیسی هوایی نشان داده است. ما این روش را برای داده های گرانی مربوط به مدل های مصنوعی و داد ه های واقعی به کار می بریم.

full text

تعیین مؤلفه باقی¬مانده داده¬های گرانی¬سنجی با استفاده از روش مدل سازی نمودار احتمال

در این مقاله روش مدل‌سازی نمودار احتمال در برآورد مؤلفه باقی‌مانده  داده‌های گرانی‌سنجی منطقه‌ای در جنوب غرب زاگرس، به کار رفته است. بر اساس تحلیل داده‌ها و تغییرپذیری روند مدل برازش شده بر نمودار احتمال، مؤلفه‌های ناحیه‌ای و باقی‌مانده از یکدیگر تفکیک شده‌اند. تقریب مرتبه اول، دوم و بهینه از مؤلفه باقی‌مانده داده‌ها بر اساس مرزهای متفاوت حاصل از مدل‌سازی نمودار احتمال ترسیم شده است. در نقشه‌ها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 1

pages  87- 97

publication date 2017-03-21

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