تخمین عمق و فاکتور شکل بی‌هنجاری‌های گرانی با شکل‌های ساده هندسی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات

یکی از مهم‌ترین مسائل ژئوفیزیکی در اکتشاف کانسارهای معدنی، تخمین عمق ساختارهای مدفون با استفاده از داده های مشاهده‌ای گرانی سنجی است. در این مقاله با استفاده از یکی از روش های هوشمند الگوریتم بهینه سازی ازدحام ذرات، عمق توده های بی هنجاری گرانی با شکل های هندسی ساده‌ای همچون کره، استوانه افقی و استوانه قائم تخمین زده می شود. اینشکل هایهندسیمی تواننددرصدزیادیازبی‌هنجاری هایزیر سطحیراهمانند سازیکنند. الگوریتم بهینه سازی ازدحام ذرات که ازجمله الگوریتم های تکاملی است، الهام گرفته از رفتار دسته جمعی پرندگان برای یافتن غذا در فضا به‌صورت تصادفی است. به علت یکتا نبودن جواب و همچنین وجود چندین کمینه محلی در حل مسائل وارون گرانی سنجی، به‌کارگیری این الگوریتم برای وارون سازی مناسب است. استفاده از الگوریتم های تصادفی به‌جای الگوریتم های قطعی می تواند از رسیدن و توقف الگوریتم در یک مقدار محلی جلوگیری کند. در این پژوهش برای مدل سازی داده های گرانی با استفاده از روش pso، دو پارامتر عمق (z) و فاکتور شکل (q) به‌عنوان ذرات در این الگوریتم فرض می شوند و محدوده های بیشینه و کمینه عمق، اطلاعات اولیه محسوب می شوند. در این روش که برای داده های مصنوعی بدون نوفه و آغشته به نوفه تصادفی 3%، 5% و 7% به‌کار رفت، دقت برآورد پارامترهای هندسی خوب است. همچنین این روش برای داده واقعی مربوط به اکتشاف باریت در منطقه استان فارس نزدیک شهر آباده استفاده شد و عمق حاصل از روشpso برابر با 8.15 متر به‌دست آمد که با نتایج روش اویلر برای عمق و نتایج بررسی های محلی انجام گرفته با خاک‌برداری همخوانی خوبی نشان می دهد.

Depth and shape factor estimation of gravity anomalies with simple geometery using Particle Swarm Optimization algorithm

One of the most important geophysical problems in exploration of mineral deposits is to estimate the depth of buried structure using observed gravity data. In this paper, we are trying to estimate mass anomaly depth by using one of the intelligence methods as Particle Swarm Optimization (PSO) with simple shapes as sphere, horizontal and vertical cylinder. In this modeling, two parameters of depth (z) and shape factor (q) were considered as particles and the maximum and minimum depth were used as the prior information. The method is tested for synthetic models with random noise. The method gives precise results for synthetic models contaminated with random noise which is quite acceptable and promising.     This technique was also successfully applied to real data for mineral exploration. The applied real data belongs to an area with hilly topography located in the Fars province close to the Abadeh city where the barite deposit is under exploration. The method is used for a profile of real data that is provided from the residual anomalies and passed from the main detected positive anomaly in the area. The estimated depth from this method was 8.15 m which was in good agreement with the results obtained through Euler method and also outcrop‐scale observations.