مدلسازی وارون غیر‌خطی داده های ‌گرانی با استفاده از الگوریتم گرگ خاکستری برای تخمین عمق حوضه رسوبی

مدلسازی وارون یکی از جالبترین ابزارها به‌منظور بدست آوردن تصاویر دوبعدی و سه بعدی از ساختارهای زمین‌شناسی است که رابطه بین داده ها و پارامترهای مدل می‌تواند خطی یا غیر‌خطی باشد. در این مقاله از الگوریتم بهینه‌سازی گرگ خاکستری (gwo) برای مدلسازی وارون غیرخطی دو‌‌ بعدی داده های گرانی‌سنجی جهت ارزیابی و تخمین عمق حوضه‌رسوبی استفاده شده است . گرگ خاکستری، یک الگوریتم هوش مصنوعی مبتنی بر تکامل است که بر اساس رفتار شکار و صید گروهی گرگ‌ها الهام گرفته شده است.در این روش، ابتدا داده های گرانی یک پروفیل سنگ بستر دوبعدی با استفاده از روش‌های جمع‌آوری داده‌ها و تجهیزات مخصوصی اندازه‌گیری می‌شود. سپس با استفاده از الگوریتم گرگ خاکستری، پارامترهای مختلف مدل سنگ بستر از جمله عمق، شکل و ضرایب دیگر مدل، تخمین زده می‌شوند. در این فرآیند مدلسازی یک سنگ بستر عموما به‌وسیله یک‌سری از بلوک‌های راست گوشه ی کنار هم چیده شده مدل شده و سپس ضخامت آنها محاسبه می‌شود. به منظور نشان دادن کارایی این روش ابتدا مدلسازی وارون برای داده‌های مصنوعی بدون نوفه و حاوی نوفه صورت گرفت. عمق و گرانی محاسبه شده مدل مصنوعی به دلیل محدوده جستجوی تعیین شده برای پارامترهای مدل ، تفاوت زیادی با مقادیر فرضی ندارند و همیشه در محدوده قرار می‌گیرند. همچنین از روش مذکور برای مدلسازی وارون روی قسمتی از داده های گرانی‌سنجی حوضه‌رسوبی مغان در شمال غرب ایران انجام شد که نتایج بدست آمده با دیگر مطالعات و زمین شناسی منطقه همخوانی دارد. حداکثر عمق به دست آمده این حوضه رسوبی 2720 متر است و مقایسه نتایج بدست آمده با نتایج مطالعات پیشین ، گویای عملکرد مناسب آن می‌باشد.