مدلسازي وارون غير‌خطي داده هاي ‌گراني با استفاده از الگوريتم گرگ خاكستري براي تخمين عمق حوضه رسوبي

مدلسازي وارون يكي از جالبترين ابزارها به‌منظور بدست آوردن تصاوير دوبعدي و سه بعدي از ساختارهاي زمين‌شناسي است كه رابطه بين داده ها و پارامترهاي مدل مي‌تواند خطي يا غير‌خطي باشد. در اين مقاله از الگوريتم بهينه‌سازي گرگ خاكستري (GWO) براي مدلسازي وارون غيرخطي دو‌‌ بعدي داده هاي گراني‌سنجي جهت ارزيابي و تخمين عمق حوضه‌رسوبي استفاده شده است . گرگ خاكستري، يك الگوريتم هوش مصنوعي مبتني بر تكامل است كه بر اساس رفتار شكار و صيد گروهي گرگ‌ها الهام گرفته شده است.در اين روش، ابتدا داده هاي گراني يك پروفيل سنگ بستر دوبعدي با استفاده از روش‌هاي جمع‌آوري داده‌ها و تجهيزات مخصوصي اندازه‌گيري مي‌شود. سپس با استفاده از الگوريتم گرگ خاكستري، پارامترهاي مختلف مدل سنگ بستر از جمله عمق، شكل و ضرايب ديگر مدل، تخمين زده مي‌شوند. در اين فرآيند مدلسازي يك سنگ بستر عموما به‌وسيله يك‌سري از بلوك‌هاي راست گوشه ي كنار هم چيده شده مدل شده و سپس ضخامت آنها محاسبه مي‌شود. به منظور نشان دادن كارايي اين روش ابتدا مدلسازي وارون براي داده‌هاي مصنوعي بدون نوفه و حاوي نوفه صورت گرفت. عمق و گراني محاسبه شده مدل مصنوعي به دليل محدوده جستجوي تعيين شده براي پارامترهاي مدل ، تفاوت زيادي با مقادير فرضي ندارند و هميشه در محدوده قرار مي‌گيرند. همچنين از روش مذكور براي مدلسازي وارون روي قسمتي از داده هاي گراني‌سنجي حوضه‌رسوبي مغان در شمال غرب ايران انجام شد كه نتايج بدست آمده با ديگر مطالعات و زمين شناسي منطقه همخواني دارد. حداكثر عمق به دست آمده اين حوضه رسوبي 2720 متر است و مقايسه نتايج بدست آمده با نتايج مطالعات پيشين ، گوياي عملكرد مناسب آن مي‌باشد.