دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 8 2 2022 06 22 Optimal selection of regularization parameter in inversion of magnetotelluric data انتخاب بهینه پارامتر منظم‌سازی در وارون‌سازی داده‌های مگنتوتلوریک 115 127 2017 10.22044/jrag.2021.10209.1305 FA عارف زینال پور دانشجوی دکتری؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرمان غلامرضا کمالی دانشیار؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرمان علی مرادزاده استاد؛ دانشکده مهندسی معدن، پردیس دانشکده فنی دانشگاه تهران محمد رضایی استادیار؛ دانشکده مهندسی معدن، گروه معدن، دانشگاه ملایر Journal Article 2020 11 01 <span lang="X-NONE">The essential issue in the interpretation of magnetotelluric (MT) field data is the solutions for inverse problems that should be in agreement with realistic subsurface geological structures. The MT data inverse modeling is known as an ill posed and nonlinear inverse problem, therefore, in order to prevent the problem of nonunique solution and to obtain meaningful results, it is normally solved using Tikhonov regularization method as the most popular regularization method. Another crucial problem in geophysical data inversion particularly MT field data is to reduce computation time and memory requirements. For achieving more precise inversion solutions, selection of the optimal regularization parameter value is an important factor in the inversion process. The novelty of the present study is to propose a new two-dimensional (2D) algorithm that has been developed for smooth inversion of MT data in which the optimal regularization parameter has been considered. In order to achieve this objective, the forward solution and Lanczos bidiagonalization (LB) algorithm have been implemented in a MATLAB code. For finding an appropriate value for the regularization parameter, adaptive regularization has been used and compared with modified generalized cross-validation (MGCV) and active constraint balancing (ACB) methods. The generated MT data by a 2D synthetic model and Bushli (Nir) geothermal MT field data in Ardabil Province, Iran, have been used in the inversion by the proposed algorithm. The results indicate that the proposed method is more effective and faster than the compared methods especially in less memory usage, decreasing elapsed time, and more accurate solution in the inversion process. </span> مدل‌سازی وارون داده‌های مگنتوتلوریک به عنوان یک مسئله غیرخطی و بدحالت شناخته شده است، بنابراین برای به دست آوردن نتایجی معنی‌دار و منحصربه‌فرد، به طور معمول از روش منظم‌سازی تیخونوف (Tikhonov) برای حل آن استفاده می-شود. همچنین انتخاب بهینه پارامتر منظم‌سازی از دیگر فاکتورهای مهم برای دستیابی به مدل‌سازی وارون مناسب است. هدف از انجام این تحقیق، یافتن مقداری بهینه برای پارامتر منظم‌سازی، در وارون‌سازی دو بعدی داده‌های مگنتوتلوریک براساس الگوریتم دوقطری سازی لنکزوس می‌باشد که بهترین ترکیب را با این روش برای بهبود دقت مدل‌سازی و افزایش سرعت وارون-سازی ساختارهای زیرسطحی لحاظ کند. برای این منظور دو روش متداول، اعتبارسنجی تقاطعی (GCV: Generalized Cross Validation) و متعادل‌سازی قید فعال (ACB: Active Constraint Balancing) بررسی و با روش جدید، منظم-سازی انطباقی (Adaptive Regularization) به عنوان روشی اتوماتیک و بهینه در الگوریتم وارون‌سازی دو بعدی داده‌های مگنتوتلوریک در مقیاس بزرگ مقایسه خواهند شد. همچنین برای افزایش سرعت مدل‌سازی وارون از روش دو قطری سازی لنکزوس (Lanczos Bidiagonalization) استفاده شده است. روش‌های مذکور در محیط متلب (Matlab) کد نویسی و در برنامه الگوریتم پایه MT2DInvMatlab لحاظ گردید. تخمین‌های انجام یافته برای پارامتر منظم‌سازی، بر روی یک مدل مصنوعی با اعمال 3 درصد نوفه تصادفی و همچنین داده‌های واقعی زمین گرمایی منطقه بوشلی (نیر) سبلان انجام شده است. نتایج حاصل نشان می‌دهد که علیرغم توانمندی همه روش‌ها در انتخاب پارامتر منظم‌سازی، روش معرفی شده به لحاظ پارامترهای اندازه‌گیری شده از نظر میزان حافظه مورد نیاز، زمان سپری شده، همگرایی به مدل مطلوب در تکرارهای کمتر و همچنین دقت مدل‌سازی بر سایر روش‌های مرسوم ارجحیت دارد. همچنین به کارگیری این روش برای داده‌های واقعی نشان از توانمندی این روش در تولید یک مدل بهینه وارون دارد. https://jrag.shahroodut.ac.ir/article_2017_ebcc78eb486007d9ad6c786fa1aca6bd.pdf