وارون‌ سازي سه ‌بعدي داده ‌هاي گراني ناهمواري سنگ بستر دشت امان‌آباد با استفاده از انتگرال‌هاي نوع كوشي

Three-dimensional inversion of gravity data of basement relief of Aman- Abad Plain using Cauchy type integrals

داده‌هاي گراني‌سنجي براي بررسي ساختارهاي زمين‌شناسي مانند توپوگرافي سنگ بستر در محيط‌هاي رسوبي مستعد منابع هيدروكربني و آب‌هاي زيرزميني به‌كار مي‌روند. استفاده از الگوريتم هاي بهينه‌سازي تصادفي با توجه به وابستگي نداشتن شديد نتايج به مدل اوليه و نيز نياز نداشتن به مشتقات در محاسبات، با استقبال زيادي روبه‌رو است. بااين‌حال، وارون‌سازي غيرخطي سه‌بعدي داده هاي گراني‌سنجي با استفاده از الگوريتم‌هاي بهينه‌سازي سراسري تصادفي، فرايندي زمان‌بر است. در اين پژوهش، در فرايند وارون‌سازي تصادفي داده‌هاي گراني براي تصوير سازي سطح سنگ بستر در حوضه‌هاي رسوبي، از انتگرال نوع كوشي سهبعدي به‌عنوان تابع پيشرو سريع استفاده شده است. در ابتدا، صحت وكارايي زماني الگوريتم در مقايسه با روش هاي حجمي مرسوم (مجموعه بلوك‌هاي راست‌گوشه) روي مدل‌هاي مصنوعي آزمايش شده است. براي نشان دادن قابليت‌هاي روش در فرايند وارون، الگوريتم ژنتيك با مقادير بهينه پارامترها روي داده‌هاي گراني مصنوعي و واقعي حوضه رسوبي با چگالي ثابت پياده سازي شده است. نتايج مدل‌هاي شبيه‌سازي‌شده در بخش مدل‌هاي پيشرو نشان مي‌دهد زمان لازم براي محاسبات انتگرال كوشي، در مقايسه با انتگرال‌هاي حجمي كه با دو روش مختلف مدل‌سازي پيشرو انجام شده‌اند، به‌ترتيب 15 و 50 مرتبه كمتر است. مختصات كران‌هاي انتگرال در روش اول، رئوس مكعب و در روش دوم مركز وجه‌ها است. روش به‌كاررفته براي وارون‌سازي داده‌هاي واقعي، عمق تقريبي سنگ بستر حوضه آبرفتي امان‌آباد (اراك ) را حداكثر 150 متر برآورد كرده است. براساس نتايج داده‌هاي حفاري، بيشينه عمق سنگ بستر 140 متر است. مطالعات پيشين، عمق‌هاي كمتر از200 متر را گزارش كرده‌اند كه با نتايج اين تحقيق سازگار است.

Gravity surveying is applied for studying geological structures, for example, basement topography underneath the sediment loads. In potential areas for hydrocarbon and groundwater resources, depth of basement can be estimated using different optimization methods, including stochastic global optimization algorithms. These methods include many functions call of the forward function, so usual forward approaches that discrete the sediment volume into a set of right rectangular prisms need too much computational time. This can be controversial issue while implementing three-dimensional stochastic inversion. In this study, 3D Cauchy-type integral as a fast forward function is applied to accelerate the gravity inversion for 3D determination of the depth to basement. Cai and Zhdanov (2015a,b) introduced this effective approach for potential fields modeling. This method in modeling the sediment-basement interface not only replaces all prisms of conventional volume approach with a gridded basement, but also uses simple mathematical terms in comparison with customary prismatic methods which include trigonometric and logarithmic expressions. Synthetic forward modeling of both of our realistic basin models assesses the validity of the forward operator. Evaluation time for one of the model basins based on the Cauchy-type integral in comparison with the prismatic method which was carried out by two different techniques of forward modeling, is 15 and 50 order lower. Implementing genetic algorithm on the gravity data, the depth of the basement was recovered. The misfit of our data achieved by the algorithm with initial population equal to 10 times of total number of parameters and carrying 700 generations, was lower than 2 mGal. Optimal values were obtained as 80% and 20% for crossover and mutation, respectively. In addition, due to the non-uniqueness of the gravity problem, the genetic algorithm uses a smoothing constraint. By fixing the optimal parameters of genetic algorithm, the optimization process is repeated to find the optimal value for the smoothing factor yielding the most accurate model based on the RMS of the reconstructed model. Results show that a smoothing factor between 0.005-0.015, reconstructs stable solutions. Besides, applying a Gaussian filter, a smoothing filter with the kernel size equal to 11×11 to the calculated depths, achieves more stable evaluations. Noisy synthetic and noise-free gravity data were inverted for one symmetric basin and the algorithm has been able to successfully reconstruct the basement. The case study area is the Aman-Abad alluvial plain (Iran) which its main parts are located in the Sanandaj-Sirjan zone in the Zagros Mountains of Iran. The suitable parameters of the genetic algorithm are found by synthetic tests to invert real gravity data to image the interface of the impermeable layer groundwater. The most common polynomial regression, i.e., degree 1 is applied to calculate residual gravity anomaly. Reconstructed depths from residual gravity anomaly match properly with gravity anomaly trend. Deep parts of the basement (as impermeable surface) have been estimated about 150m which it looks promising for groundwater resources. According to the previous gravity studies, the calculated maximum thickness of sediment is lower than 200 m and the well data specified depth of the basement is 140 m.