بهبود وارون‌سازي دوبُعدي داده‌هاي مگنتوتلوريك با استفاده از روش‌هاي خودكار انتخاب پارامتر منظم‌سازي

An improvement of 2-D inversion of MT data using automatic selection methods for regularization parameter

توليد يك مدل مناسب در حل منظم مسيله وارون به انتخاب مناسب پارامتر منظم‌سازي وابسته است، لذا برآورد اين پارامتر مي تواند اهميت زيادي داشته باشد. در اكثر مسايل وارون، اين پارامتر به‌صورت تجربي انتخاب مي شود. هدف از تحقيق حاضر، عرضه و به كارگيري روشي براي انتخاب خودكار پارامتر منظم‌سازي مناسب براي وارون‌سازي دوبُعدي داده هاي مگنتوتلوريك است. براي اين منظور دو روش اعتبار سنجي تقاطعي تعميم يافته (GCV: Generalized Cross Validation) بهبود داده شده و منحني L (L-Curve) در الگوريتم وارون‌سازي دوبُعدي داده‌‌هاي مگنتوتلوريك به كار برده مي شود. برآورد پارامتر منظم‌سازي با اين روش ها در يك مثال مصنوعي تقريباً پيچيده و با اِعمال دو درصد نوفه تصادفي و همچنين براي يك دسته داده واقعي تشريح مي شود. نتايج حاصل نشان مي دهد كه هر دو روش فوق در انتخاب پارامتر منظم‌سازي در داده هاي مصنوعي توانمند هستند. همچنين نتايج به‌دست آمده براي داده‌‌هاي واقعي و مقايسه آنها با نتايج به‌دست آمده به روش ACB (Active Constrain Balancing) نشان مي دهد كه روش GCV بهبوديافته به‌‌خوبي قادر است پارامتر منظم‌سازي را براي توليد يك مدل مناسب برآورد كند، در صورتي‌‌كه روش منحني L به همراه يك طرح كنترلي مي تواند مفيد واقع شود.