ارزیابی قابلیت‌های انتگرال نوع کوشی در مدل‌سازی داده‌های گرانی
پذیرفته شده برای ارائه شفاهی XML
نویسندگان
1دانشجوی ارشد مؤسسه ژئوفیزیک دانشگاه تهران.
2عضو هیات علمی دانشگاه تهران.
3عضو هیئت علمی دانشگاه تهران.
چکیده
در یک فرایند وارون‌سازی فرمول‌بندی تابع پیش‌رو روی زمان و نتایج محاسبات تأثیر‌گذار است. این تحقیق، مدل‌سازی داده‌های گرانی مصنوعی را با استفاده از عملگر پیش‌رو انتگرال‌ نوع کوشی سه‌بعدی مورد بررسی قرار می‌دهد. کارایی زمانی عملگر و تأثیر پارامتر سطح مرجع در فواصل مختلف از مرز حوضه رسوبی بر میزان دقت آنومالی گرانی سنجیده شده است. نتایج، انتگرال نوع کوشی را نسبت به انتگرال حجمی میدان گرانش سریع‌تر نشان داده است. همچنین آنومالی گرانی متناظر با نواحی عمیق، تا فواصل 1 کیلومتری سطح مرجع از مرزهای مدل دارای دقت کافی است. این عملگر پیش‌رو مقرون به صرفه و در عین حال دقیق، داده‌های گرانی دشت امان‌آباد را با استفاده از الگوریتم ژنتیک وارون‌ کرده است. مدل بازسازی شده‌ی سنگ بستر دارای بیشینه‌ی عمق 150 متر است. داده‌های حفاری ناحیه مورد مطالعه، سنگ بستر را در عمق 140 متری و تحقیقات گرانی‌سنجی پیشین عمق‌های کمتر از 200 متر ارائه داده‌اند.
کلیدواژه ها
 
Title
Cauchy-type integral evaluation for gravity data modeling
Authors
Nazanin Mohammadi, Seyed-Hani Motavalli-Anbaran, Vahid Ebrahimzadeh Ardestani
Abstract
Forward function causes different time and results of computations, in an inversion process. This study investigated synthetic gravity data modeling by 3D Cauchy-type integral. The time efficiency of the operator and the effect of the reference surface parameter with variable distances from sediment basin boundary on accuracy of the gravity anomaly are measured. Results show robustness of Cauchy-type integral in comparison with the volume integral of gravitational field. On the other hand, when reference surface has up to 1km distance from boundaries of model, the corresponding depth could be detected accurately. This cost-effective and also precise forward operator is used to invert the gravity data of Aman-Abad plain using genetic algorithm. The maximum depth of reconstructed basement is equal to 150m. Well data shows depth of the basement about 140m and previous gravity modeling interpretation shows lower than 200m depth.
Keywords
3D modeling, Basement, Cauchy-type integral, gravity anomaly, Aman-Abad plain, Genetic Algorithm