تخمین محتوای‌آب و زمان آسایش با استفاده از وارون‌سازی شکل موج کامل سیگنال سونداژ تشدید مغناطیسی

در وارون‌سازی داده‌های سونداژ تشدید مغناطیسی از لحاظ فضای داده‌ای، 2 نوع الگوریتم تا کنون ارائه شده است: وارون‌سازی دامنه اولیه و وارون‌سازی پله‌زمانی. دو روش مذکور صرفاً بخشی از داده‌ها را جهت وارون‌سازی استفاده می کنند و امکان ارائه یک جواب پایدار با تفکیک‌پذیری عمقی مناسب در فرآیند وارون‌سازی وجود ندارد، در حالی‌که استفاده از شکل موج کامل سیگنال تشدید مغناطیسی (کل فضای داده) علاوه بر تخمین همزمان محتوای‌آب و زمان آسایش موجب افزایش پایداری و تفکیک پذیری مدل‌های محتوای‌آب و زمان آسایش می شود. سیگنال های آسایش تشدید مغناطیسی به‌طور ذاتی یک رفتار چندنمایی نشان می دهند که ناشی از بر هم نهی سیگنال‌های منتج شده از لایه‌ها یا حجم‌های زیر سطحی است که ویژگی‌های زمان آسایش متفاوتی دارند. بنابراین در این تحقیق با در نظرگرفتن رفتار چندنمایی در مدل‌سازی سیگنال سونداژ تشدید مغناطیسی و در نتیجه حل یک مساله وارون غیرخطی و مقیدسازی آن با استفاده از توابع تبدیل، امکان برآورد یک توزیع واقعی تر از پارامترهای هیدروژئوفیزیکی در برابر عمق به‌وجود می‌آورد. نتایج عددی بر روی مدل های مصنوعی و داده‌های واقعی با هدف مقایسه میزان پایداری و تفکیک‌پذیری روش پیشنهادی و روش دامنه اولیه، نشان می‌دهد که استفاده از فضای کل داده‌ها امکان برآورد دقیق تر از محتوای‌آب و زمان آسایش نسبت به عمق وجود دارد. همچنین یک تحلیل عدم‌قطعیت در نتایج وارون‌سازی داده‌های صحرایی با استفاده از روش بوت استرپ ارائه می شود.

Water Content and Relaxation Time Estimation Using FullWave Form Inversion of MRS Signal

The magnetic resonance sounding (MRS) method is a relatively novel geophysical method, which allows for the estimation of hydrogeophysical parameters due to the direct sensitivity of hydrogen molecules of water. The use of this method makes it possible to determine the presence or absence of water below the surface more precisely and to determine the important characteristics of the hydrogeology parameters of the aquifer layer such as water content and hydraulic conductivity. The MRS technique is based on the Nuclear Magnetic Resonance (NMR) principles to determine the subsurface distribution of hydrogen protons. MRS field measurements are mostly carried out with a surface antenna as transmitter/receiver of electromagnetic signals. However novel instruments utilize a number of reference loops to mitigate noise in MRS signals. It enables us to use more sophisticated noise canceling strategies and it is possible to overwhelm the drawbacks from the singlechannel MRS filtering techniques (Ghanati and Hafizi, 2017; Ghanati, et al, 2016b). To obtain depth information, a series of measurements at different pulse moments,  (where  is current amplitude and τ is pulse duration) are passed through the loop. The larger the pulse moment, the larger the penetration depth. By varying the pulse moment, a spatial distribution of aquifer properties with respect to the depth can be obtained from the MRS data inverse problem. From data space point of view, in the inversion of magnetic resonance sounding data, two types of algorithms have been presented: 1) Initial Amplitude Inversion (IAI) and 2) Time Step Inversion (TSI). Given that in the abovementioned methods only a portion of the data is used for inversion, it is not possible to provide a stable solution with a suitable depth resolution in the inversion process, while the use of the full waveform inversion of the magnetic resonance signal (i.e., using whole data space) increases the stability and resolution of water content and relaxation time models. Magnetic resonance signals naturally show a multiexponential behavior that is due to the suppression of signals from layers or subvolumes that have different relaxation times. In this method, the concept of multiexponential behavior is considered for magnetic resonance signal data due to the nonuniform distribution of relaxation time at subsurface pores. The proposed algorithm is evaluated using some synthetic examples and a real data set with the assumption of multiexponential regime. From the numerical experiments, it is clearly observed that the presented method obtains a more realistic distribution of relaxation time versus the depth of the survey compared to the IAI algorithm with the assumption of the monoexponential behavior. Furthermore, since the amplitude of the magnetic resonance signal is related to the subsurface water content directly, the theory of multidimensional behavior in the inversion of the magnetic resonance signal provides a significant improvement in the fitting of the signals, which makes it possible a more accurate and reliable estimate of subsurface water content. Finally, to evaluate the accuracy of the algorithm assuming multiexponential behavior of signals, Bootstrap uncertainty analysis is performed on the field data. Given the results of the uncertainty analysis and its comparison with the geological model obtained from the borehole results, the power of the proposed approach in estimating the position and water content of subsurface aquifers is clearly visible.