<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A review on the aeromagnetic surveys using unmanned aerial vehicle (UAV)</ArticleTitle>
<VernacularTitle>مروری بر استفاده از پهپاد در مغناطیس‌سنجی هوابرد</VernacularTitle>
			<FirstPage>89</FirstPage>
			<LastPage>102</LastPage>
			<ELocationID EIdType="pii">1888</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2020.9500.1282</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>هاشم</FirstName>
					<LastName>شاهسونی</LastName>
<Affiliation>استادیار؛ دانشگاه کردستان، کردستان، سنندج</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>03</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract>As the technology for unmanned aerial vehicle (UAV) has evolved, miniature sensors have also been developed. By equipping the unmanned aerial vehicles (UAVs) with such sensors, they can be used in various scientific researches. Thanks to the advantages of UAVs like zero risk of fatality, cost-effectiveness, low maintenance and operation costs, high precision positioning system and high versatility, they are used as powerful tools for aeromagnetic surveys. The UAVs can fill the gap between the land data, which are obtained on the surface with high resolution and low coverage, and the data, which are obtained by aircrafts or helicopters with low resolution and high coverage.\</Abstract>
			<OtherAbstract Language="FA">همزمان با توسعه فن‌آوری پرنده هدایت‌پذیر از دور (پهپاد) حسگرهایی با اندازة کوچکتر نیز ابداع شده‌اند. اکنون با مجهز شدن پهپادها به این حسگرها، می‌توان در حوزه‌های وسیعی از علوم مختلف از آن‌ها استفاده نمود. مزایای بسیار زیاد پهپادها نظیر کاهش خطرات جانی، قیمت مناسب، هزینه تعمیر و نگهداری اندک، هزینه عملیاتی پایین ، مکان‌یابی بسیار دقیق و انعطاف-پذیری مناسب آن‌ها باعث شده است تا پهپادها به ابزار قدرتمند در برداشت‌های مغناطیس‌سنجی هوابرد تبدیل شوند. هرچند استفاده از پهپادها در زمینه مغناطیس‌سنجی هوابرد که شاخه‌ای از علم ژئوفیزیک است در مراحل ابتدایی خود قرار دارد، اما به سرعت در حال پیشرفت و توسعه می‌باشد. در این مطالعه، اهمیت و مزایای استفاده از پهپاد در مغناطیس‌سنجی هوابرد، تاریخچه استفاده از پهپادها در این زمینه و کشورهای پیشرو در استفاده از این فن‌آوری، روش های نصب حسگرهای مغناطیس‌سنج روی پهپادها به منظور جلوگیری از تداخل نوفه پهپاد روی مغناطیس‌سنج، انواع حسگرهای اندازه‌گیری میدان مغناطیسی نصب‌شده روی پهپادها و انواع پلتفرم‌هایی که در مغناطیس‌سنجی با استفاده از پهپاد به کار گرفته شده‌اند، مورد بررسی قرارگرفته است. همچنین مثال‌هایی از مقایسه نتایج حاصل از مغناطیس‌سنجی هوابرد با استفاده از پهپاد با داده‌های مغناطیس سنجی برداشت شده به صورت زمینی آورده شده است. در پایان چالش‌ها و چشم‌اندازهای پیشروی استفاده از پهپاد در مغناطیس‌سنجی هوابرد مورد بحث قرار گرفته است. امید است که این مطالعه به عنوان مرجعی برای مطالعات بعدی در زمینه مغناطیس‌سنجی هوابرد با استفاده از پهپاد قرار گیرد و موجبات استفاده عملی از پهپاد در این حوزه را در کشورمان فراهم نماید.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پهپاد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مغناطیس سنجی هوابرد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حسگر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مغناطیس سنج</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_1888_f3c2aa34a6282719ccd2ec2477b0a8b5.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Investigation of deep and lateral changes of coda wave quality factor using short-time Fourier transform in northwest of Iran</ArticleTitle>
<VernacularTitle>بررسی تغییرات عمقی و جانبی ضریب کیفیت پساموج‌ها با استفاده از تبدیل فوریه زمان کوتاه در شمال غرب ایران</VernacularTitle>
			<FirstPage>103</FirstPage>
			<LastPage>113</LastPage>
			<ELocationID EIdType="pii">1976</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.10076.1301</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سیده لیلا</FirstName>
					<LastName>جعفریان</LastName>
<Affiliation>استادیار؛ دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>رضا</FirstName>
					<LastName>حیدری</LastName>
<Affiliation>استادیار؛ دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>نوربخش</FirstName>
					<LastName>میرزائی</LastName>
<Affiliation>استاد؛ مؤسسه ژئوفیزیک، دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>حبیب</FirstName>
					<LastName>رحیمی</LastName>
<Affiliation>دانشیار؛ مؤسسه ژئوفیزیک، دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>میرستار</FirstName>
					<LastName>مشین چی اصل</LastName>
<Affiliation>استادیار؛ دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>10</Month>
					<Day>09</Day>
				</PubDate>
			</History>
		<Abstract>The present study attempts to explore the characteristics of seismic coda wave energy attenuation using single back scattering in northwestern Iranian plateau. For this purpose, the short-time Fourier transform is used to separate the frequency bands. To estimate quality factor, coda waves from more than 1600 small crustal events with magnitudes ranging from 2 to 5 Ml and epicenteral distances of less than 200 km have been used. In this study, coda wave quality factor has been calculated at 7 lapse times of 30 to 90 s. The results show that the best fitted line comes from lapse time of 40 s and the frequency relation is in the form of Q = (103±1)f(0.88±0.04). Relatively small values of Q0 indicate that there is high heterogeneity in the shallow layers of the region of northwestern Iran that can be due to the relatively high seismicity of the region. This is in line with our expectations of the crustal structure and the existence of Sahand and Sabalan volcanoes. The presence Sahand and Sabalan volcanoes in the region has created a warm crust in this area. On the other hand, the relationship between quality factor and temperature changes exponentially, and the quality factor decreases with increasing temperature. Moreover, the relationship between low values of the frequency with parameter n indicates high seismicity, active tectonics and the presence of large heterogeneities in the region. Existence of North Tabriz fault and many fractures in this region is one of the reasons for the high heterogeneity in this region.</Abstract>
			<OtherAbstract Language="FA">در این مطالعه ضریب کیفیت پساموج‌ها در شمال غرب ایران با استفاده از مدل تک پس‌پراکنش، مورد بررسی قرار گرفته است. برای این منظور از تبدیل فوریه زمان کوتاه، برای جداسازی دامنه‌های فرکانسی استفاده شده است. داده‌های مورد استفاده در این مطالعه داده‌ها مربوط به بیش از 1600 زمین‌لرزه محلی با بازه بزرگی بین 2 تا 5/6 و فاصله رومرکزی کمتر از 200 کیلومتر است. در این تحقیق، ضریب کیفیت پساموج‌ها در 7 پنجره زمانی30 تا 90 ثانیه از شروع پساموج محاسبه شده است. نتایج بدست آمده نشان می‌دهد که بهترین برازش رابطه فرکانسی تضعیف، مربوط به پنجره زمانی 40 ثانیه و به‌صورت Q=(103±1)f(0.88±0.04) است. مقادیر نسبتاً کوچک Q0 در رابطه تضعیف فرکانسی نشان می‌دهد که ناهمگنی زیادی در لایه‌های کم عمق منطقه وجود دارد که می‌تواند به دلیل لرزه‌خیزی نسبتاً زیاد شمال‌غرب ایران باشد که با انتظار ما از ساختار پوسته این ناحیه و وجود دو آتشفشان سهند و سبلان انطباق دارد. وجود این دو آتشفشان سهند و سبلان و در شمال غرب ایران باعث شده است که پوسته در این ناحیه گرم باشد. از طرفی رابطه ضریب کیفیت با دما به صورت نمایی تغییر میکند و با افزایش دما ضریب کیفیت پایین می-آید. همچنین، مقادیر کم پارامتر رابطه فرکانسی n نشانه لرزه‌خیزی زیاد، زمینساخت فعال و وجود ناهمگنی‌ها زیاد در منطقه است. وجود گسل شمال تبریز و شکستگی‌های فراوان در این منطقه یکی از دلایل وجود ناهمگنی زیاد در این منطقه است. همچنین در نتایج حاصل مشاهده شده که با افزایش زمان گذشت، ضریب کیفیت افزایش پیدا میکند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پارامتر تضعیف</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پراکنش</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">جذی ذاتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تبدیل فوریه زمان کوتاه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ضریب کیفیت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_1976_460b46924e2a7037913636fa3cb5ddac.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Optimal selection of regularization parameter in inversion of magnetotelluric data</ArticleTitle>
<VernacularTitle>انتخاب بهینه پارامتر منظم‌سازی در وارون‌سازی داده‌های مگنتوتلوریک</VernacularTitle>
			<FirstPage>115</FirstPage>
			<LastPage>127</LastPage>
			<ELocationID EIdType="pii">2017</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.10209.1305</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>عارف</FirstName>
					<LastName>زینال پور</LastName>
<Affiliation>دانشجوی دکتری؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرمان</Affiliation>

</Author>
<Author>
					<FirstName>غلامرضا</FirstName>
					<LastName>کمالی</LastName>
<Affiliation>دانشیار؛ دانشکده فنی مهندسی، گروه معدن، دانشگاه باهنر کرمان</Affiliation>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>مرادزاده</LastName>
<Affiliation>استاد؛ دانشکده مهندسی معدن، پردیس دانشکده فنی دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>رضایی</LastName>
<Affiliation>استادیار؛ دانشکده مهندسی معدن، گروه معدن، دانشگاه ملایر</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>11</Month>
					<Day>01</Day>
				</PubDate>
			</History>
		<Abstract>&lt;span lang=&quot;X-NONE&quot;&gt;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. &lt;/span&gt;</Abstract>
			<OtherAbstract Language="FA">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.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بوشلی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مگنتوتلوریک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم وارون سازی دو بعدی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پارامتر منظم سازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">دو قطری سازی لنکزوس</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_2017_ebcc78eb486007d9ad6c786fa1aca6bd.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Inversion of Refracted Wave's Travel Times Using Linear Ensemble Combination of Single Artificial Neural Networks</ArticleTitle>
<VernacularTitle>مدل‌سازی وارون داده‌های لرزه‌ای انکساری کم عمق با استفاده از ترکیب آنسامبلی خطی شبکه‌های عصبی مصنوعی منفرد</VernacularTitle>
			<FirstPage>129</FirstPage>
			<LastPage>139</LastPage>
			<ELocationID EIdType="pii">2024</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.9925.1294</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>راشد</FirstName>
					<LastName>پورمیرزائی</LastName>
<Affiliation>استادیار گروه مهندسی معدن؛ دانشکده محیط زیست، دانشگاه صنعتی ارومیه، ارومیه، ایران</Affiliation>

</Author>
<Author>
					<FirstName>سیامک</FirstName>
					<LastName>سرمدی</LastName>
<Affiliation>استادیار گروه مهندسی فناوری اطلاعات و مهندسی کامپیوتر، دانشکده فناوری‌های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>سیران</FirstName>
					<LastName>علیزاده</LastName>
<Affiliation>دانش آموخته کارشناسی ارشد ژئوفیزیک (گرایش زلزله شناسی)؛ دانشکده‌ علوم، دانشگاه ارومیه، ارومیه، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>07</Month>
					<Day>28</Day>
				</PubDate>
			</History>
		<Abstract>In this study, a new inversion framework based on artificial intelligence is presented for inversion of travel times of seismic refracted waves. The proposed inversion algorithm is comprised of three individual neural networks. The output results of the networks are combined by averaging method. The results show that in both test models and actual dataset, the proposed algorithm is capable of estimating the model parameters. Furthermore, a comparison between the proposed neural network inversion algorithm and tomography inversion method, shows that the introduced neural network inversion algorithm is a reliable and powerful method for automatic inversion of seismic datasets.</Abstract>
			<OtherAbstract Language="FA">بمنظور تفسیر روش‌های لرزه‌ای، پس از جمع آوری داده‌ها و پیش پردازش‌های لازم، وارون‌سازی آنها جهت تخمین پارامترهای مدل، گام اساسی در استفاده از این داده‌ها است. مدل‌سازی وارون این داده‌ها همانند سایر داده‌های ژئوفیزیکی با چالش عدم یکتایی در تخمین پارامترهای مدل روبه‌رو است. در مطالعه حاضر به‌منظور تلاش برای حل این مشکل و ارائه یک روش خودکار در وارون‌سازی داده های لرزه‌ای، یک روش وارون‌سازی جدید مبتنی بر شبکه‌های عصبی آنسامبلی معرفی شده است. در روش پیشنهاد شده ابتدا با مدل‌سازی پیشرو مدل‌های مختلف چند لایه با ضخامت‌ها و سرعت‌های موج طولی مختلف به شبکه‌های عصبی آموزش داده شد. در این مطالعه از شبکه‌های MLP با ساختارهای مختلف استفاده شده است. در ادامه با ارزیایی متقابل، شبکه‌های عصبی آموزش داده شده مورد ارزیابی قرار گرفتند و شبکه‌های با بهترین عملکرد (خطای کم) جهت استفاده در ترکیب آنسامبلی شبکه‌های عصبی انتخاب شدند. شبکه‌ عصبی آنسامبلی استفاده شده، از ترکیب خطی شبکه‌های منفرد (سه شبکه منفرد برتر) به دست آمد. جهت ارزیابی بهتر کارایی ترکیب شبکه‌های عصبی استفاده شده ، 20% از داده های اولیه کنار گذاشته شد (بدون حضور در فرآیند آموزش) و از این داده ها به‌عنوان داده‌های آزمون استفاده شد. در پایان روش وارون‌سازی معرفی شده با داده‌های واقعی لرزه انکساری مورد ارزیابی بیشتر قرار گرفت که مدل وارون حاصل از داده‌های واقعی، تطابق بسیار خوبی با مطالعات زمین شناسی و نتایج لرزه‌ای قبلی انجام شده در ایستگاه مورد نظر دارد. همچنین به جهت مقایسه عملکرد و اهمیت روش پیشنهاد شده در این مطالعه، نتایج به دست آمده از داده های واقعی با روش وارون‌سازی توموگراقی نیز مقایسه شد. نتایج حاصل از این مطالعه بیانگر آن است که، وارون‌سازی داده‌های لرزه‌ای مبتنی بر شبکه‌های عصبی یک روش سریع، آسان و بدون نیاز به فرض مدل اولیه برای داده‌های مشاهده شده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">توموگرافی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ترکیب خطی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده‌های لرزه‌ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌سازی وارون</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_2024_55155a0d6907397feec64bf212e71b18.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Reservoir facies modeling using stochastic inversion and probability perturbation method</ArticleTitle>
<VernacularTitle>مدل‌سازی رخساره‌ای مخزن با استفاده از وارون‎سازی تصادفی و روش آشفتگی احتمال</VernacularTitle>
			<FirstPage>141</FirstPage>
			<LastPage>159</LastPage>
			<ELocationID EIdType="pii">2102</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.10352.1311</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>کمال غریبی</LastName>
<Affiliation>کارشناس ارشد ؛ دانشکده‌ مهندسی نفت، دانشگاه صنعتی امیرکبیر</Affiliation>

</Author>
<Author>
					<FirstName>عبدالرحیم</FirstName>
					<LastName>جواهریان</LastName>
<Affiliation>استاد، دانشکده‌ مهندسی نفت، دانشگاه صنعتی امیرکبیر و استاد بازنشسته موسسه ژئوفیزیک دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>امامی نیری</LastName>
<Affiliation>استادیار، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>12</Month>
					<Day>09</Day>
				</PubDate>
			</History>
		<Abstract>One of the basic steps in determination of the characteristics of a reservoir is modeling its various facies. In this paper, a geostatistical inversion method is presented for facies modeling using well logs and angle stack data. First, the conditional probability of occurrence of facies conditioned to well logs in each cell has been calculated using the sequential indicator simulation method. Then, petrophysical and elastic properties of reservoir facies have been obtained using the Gaussian sequential simulation method and rock physics relations. In order to generate and update the facies model consistent with seismic data, the probability perturbation optimization algorithm has been used. This method tries to create a model of facies and other properties of the reservoir that have a good consistency with seismic data by successively changing the facies probability conditioned to seismic data in each cell. To obtain the total probability distribution of facies occurrence from the probability of facies conditioned to seismic data and the probability of facies conditioned to well logs, Tau model has been used. At each stage, after obtaining different properties, a geophysical forward model is constructed and compared with seismic data. Finally, all these steps are used for different possible models obtained from the sequential indicator simulation method. This method is applied to synthetic data sets with different signal-to-noise ratios. In the case of seismic data with a signal-to-noise ratio of 9, a high-resolution model for the facies has been obtained that is 81.83% consistent with the reference facies model and has improved the initial facies model by 19.97%. In order to further investigate this method, it has also been applied to seismic data with the signal-to-noise ratios of 4 and 2. The results have shown that this method has a good ability to detect facies and other petrophysical and elastic properties of the layers in the reservoir.</Abstract>
			<OtherAbstract Language="FA">یکی از مراحل اساسی در تعیین خواص مخزن، مدل‌سازی رخساره‌های مختلف آن است. در این مقاله یک روش وارون‌سازی تصادفی برای مدل‌سازی رخساره‌ها با استفاده از نمودارهای چاه‌ها و داده‌های برانبارش‌شده زاویه‌ای ارائه شده است. در ابتدا با استفاده از روش شبیه‌سازی متوالی شاخص، احتمال شرطی رخداد شاخص‌های رخساره نسبت به نمودارهای چاه‌ها‌ در هر سلول محاسبه شد. سپس با استفاده از روش شبیه‌سازی متوالی گوسی و روابط فیزیک‌سنگی، خصوصیات مخزنی و کشسان رخساره-های سنگی مخزن به دست آمد. به منظور ساخت و به‌روزرسانی مدل رخساره‌ای همخوان با داده‌های لرزه‌ای از الگوریتم بهینه-سازی تصادفی آشفتگی احتمال استفاده شد. این روش با تغییر پی‌در‌پی احتمال رخساره‌ای مشروط به داده‌های لرزه‌ای در هر سلول، سعی در ایجاد مدلی از رخساره و دیگر خواص مخزن دارد که همبستگی خوبی با داده‌های لرزه‌ای داشته باشد. برای به دست آوردن توزیع احتمال کلی وقوع رخساره‌ها از احتمال رخساره‌ای مشروط به داده‌های لرزه‌ای و احتمال رخساره‌ای مشروط به نمودار‌های چاه‌ها از مدل تاو استفاده شد. در هر مرحله پس از به دست آوردن خواص مختلف، مدل پیشرو ژئوفیزیکی ساخته شد و با داده‌های لرزه‌ای مقایسه شد. در نهایت تمامی این مراحل برای مدل‌های احتمالی مختلفی که از روش شبیه‌سازی متوالی شاخص به دست آمد، استفاده شد. این روش در دو بعد روی داده‌های مصنوعی در حالت‌هایی با نسبت سیگنال به نوفه متفاوت اعمال شد. در حالتی که از داده‌های لرزه‌ای با نسبت سیگنال به نوفه 9 استفاده شد، مدلی با تفکیک‌پذیری بالا برای رخساره به دست آمد که تطابقی 81.83 درصدی با مدل رخساره مرجع داشت و باعث بهبودی 19.97 درصدی مدل اولیه رخساره شد. به منظور بررسی بیشتر این روش در دو حالت سیگنال به نوفه 4 و 2 نیز اعمال شد که نشان داد این روش توانایی خوبی در تشخیص رخساره و دیگر خواص مخزنی و کشسان لایه‌های موجود در مخزن را داراست.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مدل‌سازی رخساره‌ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">وارون‌سازی تصادفی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">روش آشفتگی احتمال</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبیه‌سازی متوالی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل تاو</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_2102_ea85c610a1a33a2abc66dd001dbc438f.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>8</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2022</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Exploration of iron and chromite by geological and geophysical studies in Shovin area, Sistan and Bluchestan Province</ArticleTitle>
<VernacularTitle>اکتشاف آهن و کرومیت به وسیله مطالعات زمین‌شناسی و ژئوفیزیکی در منطقه شوین استان سیستان و بلوچستان</VernacularTitle>
			<FirstPage>161</FirstPage>
			<LastPage>177</LastPage>
			<ELocationID EIdType="pii">2186</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.10788.1320</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>آزاده</FirstName>
					<LastName>آگاه</LastName>
<Affiliation>استادیار؛ دانشکده‌ مهندسی شهید نیکبخت، گروه مهندسی معدن، دانشگاه سیستان و بلوچستان</Affiliation>

</Author>
<Author>
					<FirstName>مرضیه</FirstName>
					<LastName>حسینی نسب</LastName>
<Affiliation>استادیار؛ دانشکده‌ مهندسی شهید نیکبخت، گروه مهندسی معدن، دانشگاه سیستان و بلوچستان</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>05</Month>
					<Day>06</Day>
				</PubDate>
			</History>
		<Abstract>The study area is geologically and potentially capable of mineralization of iron and chromite, and thus, there are many mines and ore deposits of such ore minerals at short distances in the area.  This area is located nearby ophiolite and ultramafic assemblages in which considerable mines of iron and basic metals are observed and explored. Considering the economical concentration potential of iron and chromite in this area, some studies on a regional scale have previously been performed. Here, we have investigated Shovin mineralized area for further exploratory studies. Our magnetometric studies reveal that no iron-rich ore deposit is observed in this area and the high magnetic intensities indicate the presence of magnetic minerals in ultramafic rocks. High magnetic intensities are due to the presence of a dyke and the existence of ultramafic rocks. The presence of a buried mass with a density of about 4.4 g/cm3 is proved based on modeling of the gravity data obtained from the area. Thus, the presumption of the presence of a chromite mass in the study area is highly possible.</Abstract>
			<OtherAbstract Language="FA">ناحیه مورد مطالعه از نظر زمین شناسی و بصورت بالقوه دارای استعداد کافی برای کانه زایی آهن و کرومیت می باشد. کما اینکه در فواصل کوتاهی از آن معادن و کانسارهای متعددی از این دست مواد معدنی وجود دارند. این محدوده در کنار مجموعه های اوفیولیتی و الترامافیکی قرار گرفته است که در سایر نقاط ایران و بخصوص در این منطقه، معادن قابل ملاحظه ای از آهن و فلزات پایه در آن مشاهده و استخراج می گردند. با توجه به اینکه این محدوده بصورت بالقوه دارای پتانسیل تجمع کانی های اقتصادی آهن و کرومیت بوده است، قبلا مطالعاتی در این خصوص و در سطح ناحیه ای انجام شده است. با توجه به نتایج مشاهدات صحرایی و مطالعات انجام شده و همچنین پتانسیل منطقه و به منظور تکمیل مطالعات اکتشافی منطقه، محدوده کانی سازی شده شوین مورد مطالعه قرارگرفته است. بررسی های روش مغناطیس سنجی حکایت از آن دارند که در این محدوده هیچ گونه تجمع کانه آهن غنی در عمق مشاهده نمی گردد و در واقع شدت های مغناطیسی بالای مشاهده شده متاثر از وجود کانی های مگنتیت در درون سنگهای اولترامافیکی بوده (که این امرطبیعی می باشد) و بصورت یک دایک می باشند . مناطق باشدت بالای مغناطیسی بیانگر یک دایک است که با شواهد زمین شناسی در خصوص نحوه حضور سنگهای اولترامافیکی تطابق دارد. مدل سازی انجام شده روی داده های گرانی منطقه وجود توده مدفون با چگالی در حدود 4/4 گرم بر سانتی متر مکعب را نشان می دهد، بنابراین احتمال وجود توده کرومیتی در منطقه مورد مطالعه زیاد می باشد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">اکتشاف آهن و کرومیت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">گرانی سنجی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مغناطیس سنجی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">زمین شناسی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">منطقه شوین</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_2186_a24bbe722634b1aed5282880390fdfb3.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
