بهبود سرعت مدل سازی وارون متمرکز داده‌های گرانی با استفاده از تعیین پارامتر گرادیان مزدوج به روش ترکیبی

مدلسازی وارون داده‌های میدان پتانسیل روشی مهم در تفسیر کمی این داده‌ها است. افزایش سرعت مدلسازی وارون یکی از مسایل مهم در مدلسازی است، زیرا با توجه به وسعت منطقه و حجم داده‌های برداشتی و نیز افزایش تعداد پارامترهای مدل، به حجم زیاد حافظه رایانه و زمان زیاد پردازش‌ نیاز است. روش‌های مختلفی در مدلسازی وارون برای افزایش سرعت مدلسازی ارایه شده است که یکی از این روش‌ها استفاده از الگوریتم حل دارای مرتبه تکرار مانند گرادیان مزدوج است. الگوریتم گرادیان مزدوج دوباره وزن‌دار منظم شده در مدلسازی وارون متمرکز داده‌های گرانی استفاده می‌شود. پارامتر گرادیان مزدوج یکی از عوامل سرعت رسیدن به جواب در این الگوریتم است. در این مقاله روش جدیدی برای محاسبه پارامتر گرادیان مزدوج به نام روش ترکیبی ارایه شده است که ترکیبی از روش فلچر ریورز و prp است. این روش نسبت به روش سنتی فلچر با سرعت بهتری به جواب همگرا می‌شود، در حالی که روش ترکیبی و فلچر نتایج مشابهی را ارایه می‌دهند. کارآیی این روش با کمک داده‌های حاصل از یک مدل مصنوعی که از سه بلوک تشکیل شده است، بررسی شد و نتایج به دست آمده نشان داد که این روش نسبت به روش سنتی سریع‌تر است. همچنین روش پیشنهادی بر روی داده‌های واقعی کانسار آهن شواز در یزد اعمال شد و سرعت مدلسازی وارون بهبود یافت. نتایج مدلسازی وارون با اطلاعات حاصل از حفاری انطباق مناسبی دارد.

Improvement of the Focusing Inversion of Gravity Data with Hybrid Conjugate Gradient Parameter Method

Potential field methods, such as the gravity technique, have become essential tools for exploration. Inversion of gravity data is the most important stage in the interpretation of the data. Inversion is a mathematical technique that constructs a geophysical subsurface model automatically from measured data by adding some prior knowledge. Inversion of gravity data is timeconsuming and needs a long time because of numerous data and model parameters. Thus, a fast and effective inversion method is necessary to improve the speed of the inversion process. Many algorithms are available for focusing inversion of gravity data, such as the reweighted regularized conjugate gradient (RRCG) method. This method is iterative, and it takes a long time to converge to a solution. In this algorithm, there is a conjugate gradient parameter that is effective in inversion. In this paper, we used a hybrid conjugate gradient parameter method for focusing inversion of gravity data and compared the results with the conventional FletcherReeves (FR) conjugate gradient parameter method. We applied this method for the data from a synthetic model and Shoaz iron ore deposit in Yazd, Iran. The inversion result indicated that the hybrid conjugate gradient parameter method converges to the solution faster than the FR method, while the results from both approaches have remarkable correlations with the true geological structures.