مدل‌سازي وارون غير خطي داده‌هاي گراني سنگ بستر با استفاده از الگوريتم رقابت استعماري

Nonlinear inverse modeling of gravity data for basement relief using imperial competition algorithm

امروزه با استفاده از وارون‌سازي داده‌هاي ميدان پتانسيل از قبيل داده‌هاي گراني‌سنجي و مغناطيس-سنجي، مي‌توان مدل هندسي توده‌هاي زير سطحي و يا ضخامت رسوبات را بازسازي نمود. تحقيق پيش‌رو با هدف مدل‌سازي دوبعدي هندسه سنگ بستر يك حوضه رسوبي با استفاده از وارون‌سازي داده‌هاي گراني‌سنجي بوسيله الگوريتم رقابت استعماري به انجام رسيد. از مدل جمع دو بعدي منشورها به عنوان مدل رياضي هندسي مدل‌سازي داده‌هاي گراني استفاده شد. در اين تحقيق، امكان كاربرد الگوريتم جستجوي عمومي رقابت استعماري به عنوان جايگزيني به جاي روش‌هاي فعلي جستجوي پاسخ در مدل‌سازي غيرخطي سنگ بستر داده‌هاي گراني استفاده شد. اين الگوريتم كه در حدود يك دهه پيش معرفي شده است؛ در همين مدت كوتاه بر روي مسائل بهينه‌سازي در زمينه هاي گوناگون، به صورت موفقيت آميز پياده سازي و اجرا شده است. در اين تحقيق، طراحي و پياده‌سازي الگوريتم در دو مرحله اعتبارسنجي شد. نخست صحت سنجي الگوريتم بر روي داده‌هاي توليدي از يك مدل مصنوعي مورد راستي آزمايي واقع شد. بدين منظور كارايي روش پيشنهادي در دو حالت بدون نوفه و همراه با نوفه مورد بررسي قرار گرفت؛ كه نتايج مدل‌سازي تطابق قابل قبولي با مدل اوليه حتي در حالت داده‌هاي آلوده به نوفه نشان داد و در مرحله بعد مدل‌سازي معكوس داده‌هاي واقعي انجام شد و در اين بخش نيز نتايج نشانگر عملكرد مناسب الگوريتم طراحي شده بود. همچنين در اين تحقيق ميزان تاثيرپذيري اين الگوريتم در برابر ميزان نوفه‌هاي معمول احتمالي مورد بررسي قرار گرفت و پايداري مناسب اين الگوريتم در برابر نوفه‌هاي سفيد گاوسي با دامنه‌هاي نسبتا بالا به اثبات رسيد.

Gravity inversion is a classical tool in applied geophysics. Inversion of basement relief of sedimentary basins is an important application among the nonlinear techniques. Classically, local deterministic optimization techniques have been employed to solve the non-linear gravity inverse problem. Swarm intelligence algorithms, such as ant colony algorithm or particle swarm optimizers, are promising alternatives to classical inversion methods. In this study, imperialist competitive algorithm (ICA), was designed and utilized for two-dimensional (2D) gravity inversion of basement relief in sedimentary basins. Reliability of this technique was tasted by modeling of gravity data acquired from a synthetic model, and then, the synthetic model parameters were obtained from this modeling approach with acceptable accuracy. Moreover, the results of utilizing this approach on noisy data showed that this approach was robust to the presence of noise in the data. For the case of real data, this approach was applied on a real gravity profile in Atacama Desert (north Chile) and the results were confirmed with previously published works related to this area. Generally, compared to techniques already proposed for 2D nonlinear gravity inversion, the ICA technique, proposed here, appears as a powerful tool for estimating the basement relief of sedimentary basins.