دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Development of an automated and computationally low-cost method of huge data generation for training deep learning algorithms using direct sequential simulation معرفی روشی کم هزینه و خودکار در تولید انبوه داده مخزنی برای آموزش الگوریتم یادگیری عمیق با استفاده از شبیه‌سازی متوالی مستقیم 111 123 2794 10.22044/jrag.2023.12105.1338 FA حمید ثابتی استادیار؛ گروه مهندسی معدن، دانشگاه صنعتی بیرجند وحید هنربخش دانشجوی دکتری لرزه شناسی؛ دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران Journal Article 2022 07 15 Recent successes in inverse problems have led to instant demand for available training datasets. Lack of appropriate datasets, in terms of quantity and quality, has become a challenge in geophysical application of deep learning neural networks. Several methods have been developed to overcome this problem. In this paper, a framework for generating training datasets was introduced using a geostatistical simulation method called direct sequential simulation. The main idea was to extract well logs from different available velocity models and using them as input data for simulation and co-simulation algorithms. Using the secondary image for co-simulation with different correlation coefficients of 0.3, 0.5 and 0.7, various models were generated with different continuities. In this paper, various examples of well-known velocity models were selected to generate more suitable models in terms of geological structures. موفقیت‌های اخیر در روش‌های وارون‌سازی شکل موج کامل مبتنی بر داده، منجر به رشد سریع تقاضا برای مجموعه داده‌های قابل دسترس به منظور استفاده در این مسائل شده است. کمبود مجموعه داده آموزشی به تعداد لازم و نزدیک به مدل‌های واقعی زیرسطحی برای آموزش شبکه‌های عصبی عمیق، یکی از کاستی‌های این روش ها در کاربردهایی ژئوفیزیکی است. برای حل این مشکل، در این مقاله، چارچوبی با استفاده از یک روش شبیه‌سازی زمین‌آماری برای تولید پایگاه داده آموزشی، استفاده شده است. ایده اصلی در این مقاله، استفاده از داده‌های چاه استخراج شده از مدل‌های مختلف و به تعداد دلخواه و قرارگیری در الگوریتم شبیه‌سازی متوالی مستقیم و شبیه‌سازی متوالی مستقیم توأمان است. در این روش، برای بدست آوردن مدل‌های سرعت یا مخزنی قابل استفاده برای شبکه عمیق، از آماره‌های اولیه (میانگین و واریانس) که از داده‌های چاه بدست می‌آید، در مراحل شبیه‌سازی استفاده می‌شود. همچنین با استفاده از الگوریتم شبیه‌سازی متوالی مستقیم توأمان و به کارگیری تصویر ثانویه (تصویر مدل اصلی با درصدهای متفاوت همبستگی) تولید مدل‌های با پیوستگی بیشتر ارائه شده است. استفاده از درصدهای مختلف همبستگی تصویر ثانویه منجر به تولید مدل‌های متنوع زمین‌شناسی شده است. در این مقاله، مثال‌های گوناگونی از مدل‌های سرعت معروف، انتخاب و چارچوب ارائه شده بر روی آنها اعمال گردیده است. اگرچه محدودیتی در استفاده از ضرایب همبستگی متنوع وجود ندارد، به عنوان نمونه، ضرایب همبستگی 30، 50 و 70 درصد برای استفاده از تصویر ثانویه در تولید داده آموزشی استفاده شده است. نتایج، نشان‌دهنده تولید پایگاه آموزشی با مدل‌های مرتبط با ساختارهای زمین‌شناسی متنوع است. https://jrag.shahroodut.ac.ir/article_2794_a5f17d90003f7ceccb87fdecbf76da41.pdf

دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Forward and inverse modeling of electrical resistivity geophysical data of a landslide surface discretized by unstructured mesh - A case study: Tehran-North Freeway مدل‌سازی پیشرو و وارون داده ژئوفیزیکی مقاومت‌ویژه الکتریکی سطح زمین لغزش با مش غیرساختاری، مطالعه موردی: آزادراه تهران – شمال 125 135 2811 10.22044/jrag.2023.12148.1339 FA اسماء بیابانی دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران. میثم عابدی دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران. غلامحسین نوروزی دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران. مسعود مجرب دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران. Journal Article 1970 01 01 Geoelectrical surveys are commonly used to image the subsurface and provide valuable information about the electrical properties of targets in the subsurface. In this study, we focused on investigating areas with rough topography and complex-shaped electrical structures using unstructured meshing. Electrical resistivity tomography (ERT) was employed as a common method for near-surface geophysical investigations, allowing us to determine different earth layers based on their electrical properties, and also, to identify potential landslide-prone areas. To solve the geoelectrical problems, we utilized a program called ResIPy, which employed a triangular mesh based on finite element algorithm. By simulating an artificial landslide, we found that the triangular mesh provided more accurate identification of geological formations compared to a structural mesh with rectangular elements. Additionally, the algorithm execution time with the new mesh was reduced, requiring less memory. We then analyzed the field data from a landslide-prone area located approximately 10 kilometers northwest of Tehran Province. The data were collected from 31 stations along four ERT survey lines with a separation distance of 20 meters over the landslide surface. The surface in this area is characterized by low electrical resistivity property and is composed of heterogeneous materials such as alluvium and tuff, making it very slippery. We identified three distinct subsurface layers with significant differences in electrical resistivity. The surface layer consists of heterogeneous materials with electrical resistivity ranging from 30 to 100 Ohm-m, and in some regions, up to 200 Ohm-m, indicating crushed areas of alluvium and tuff. This layer is observed up to the depth of 15 to 20 meters in electrical cross-sections. The second layer with a resistivity below 40 Ohm-m is identified as an alluvial and conglomerate layer. At greater depths, we found a layer composed of high resistivity Alborz tuff. بررسی‌های ژئوالکتریک یکی از روش‌های رایج تصویربرداری ژئوفیزیک زیرسطحی است که بینش قابل توجهی در مورد خواص الکتریکی اهداف مورد تجسس ارائه می‌دهد. در این پژوهش سعی شده است با بکارگیری مش غیرساختاری، نواحی با توپوگرافی خشن و شدید و همچنین ساختاری های الکتریکی با هندسه پیچیده را مورد بررسی قرار داد. یک روش رایج در بررسی‌های ژئوفیزیکی کم عمق، توموگرافی مقاومت ویژه الکتریکی (ERT) برای تعیین وضعیت لایه‌های زمین از نظر خواص الکتریکی و متعاقباً نمایش سطح زمین‌لغزش احتمالی است. از یک برنامه توسعه یافته به نام ResIPy استفاده شد تا توپوگرافی سطح را با استفاده از مش مثلثی مبتنی بر الگوریتم های اجزای محدود برای حل مسائل پیشرو و وارون‌ ژئوالکتریکی بازیابی نمود. در ابتدا، یک زمین‌لغزش مصنوعی شبیه‌سازی الکتریکی شد که استفاده از مش غیرساختاری تا حدودی منجر به شناسایی دقیق‌تر سازندهای زمین‌شناسی نسبت به مش ساختاری با المان مستطیلی گردید؛ همچنین زمان اجرای الگوریتم با مش جدید به حافظه کمتری نیاز داشت. سپس داده‌های میدانی از یک محدوده زمین لغزش مستعد در حدود 10کیلومتری شمال غرب استان تهران (محدوده کیلومتر دوم جاده تهران- شمال) با استفاده از 31 سونداژ الکتریکی بر روی چهار پروفیل ERT به فاصله 20 متر در امتداد سطح لغزشی بررسی شد. سطح مورد تجسس بسیار لغزش پذیر است زیرا مربوط به منطقه‌ای با مقاومت ویژه الکتریکی پایین و متشکل از مصالح ناهمگن (آبرفت و توف) بود. بر روی محدوده زمین لغزش، سه لایه با تباین مقاومت ویژه الکتریکی بارز قابل تفکیک است. لایه سطحی متشکل از مواد ناهمگن با گستره مقاومت ویژه الکتریکی 30 تا 100 اهم متر است و در بخش‌هایی تا 200 اهم‌متر مرتبط با نواحی خرد شده آبرفت - توف قابل رؤیت است. این لایه تا عمق 15 تا 20 متر در مقاطع دیده می‌شود. لایه‌ای با مقاومت کمتر از 40 اهم‌متر هم به عنوان لایه آبرفتی و کنگلومرایی قابل مشاهده است. در اعماق بیشتر لایه‌ای وجود دارد که شامل سنگ‌های مقاومت بالای توف البرز می‌باشد. https://jrag.shahroodut.ac.ir/article_2811_9982a15f761cd886faadd4eea42e7691.pdf

دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Geophysical modeling of time domain electromagnetic and potential field data in the Equity silver polymetallic deposit: British Columbia, Canada مدل‌سازی ژئوفیزیکی داده‌های الکترومغناطیس حوزه زمان و میدان پتانسیل در محدوده نهشته پلی‌متال اِکویتی سیلور برتیش کلمبیا، کانادا 137 152 2854 10.22044/jrag.2023.12477.1345 FA مهدی محمدی دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران میثم عابدی دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران علی مرادزاده دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران، تهران، ایران Journal Article 2022 12 04 The Equity silver mine, located 38 km southeast of Houston, British Columbia, Canada, is a volcanic-hosted sulfide deposit associated with intrusive activity. The original prospect (locally referred to as the Sam Goosly prospect) was a new discovery found as a result of regional silt geochemical surveys conducted by Kennco Exploration (Western) Ltd in 1967. Further investigations confirmed the existence of two distinct mineralized zones, the Main zone and the Southern Tail zone. The purpose of this research is to provide useful three-dimensional (3D) physical property products that can directly be employed in locating and identifying feeder areas related to polymetallic mineralization in the Equity silver area in central British Columbia, Canada. In this research work, airborne gravity, magnetic and electromagnetic data from the study area were used. The data inversions were performed using the UBC-GIF GRAV3D, MAG3D and EM Flow, suite of algorithms for the gravity, magnetic, and AEM data respectively. The products were 3D inversion models of density contrast, magnetic susceptibility, and electrical conductivity, and integrated products combining the individual physical property models. For the study area, surface geological observations, 3D inversion results of airborne gravity, magnetic and electromagnetic data were integrated to build a 3D geological model to identify mineral targets. Finally, a prospect zone was discovered with higher density contrast and higher electrical conductivity property compared to the surrounding environment. The thickness of this part was found to be between 30 and 60 meters and extended to a depth of about 200 meters from the surface. هدف از این تحقیق، مکان‌یابی و شناسایی مناطق با پتانسیل بالای کانی‌سازی در منطقه اِکویتی سیلور در مرکز برتیش کلمبیا، کانادا بود. به همین منظور مدل‌های چگالی، حساسیت مغناطیسی و رسانایی الکتریکی به کمک مدل‌سازی وارون داده‌های هوابرد در این منطقه تولید شدند. هدف از این کار ایجاد مدل‌هایی با خواص فیزیکی سه‌بعدی مفید است که می‌توانند مستقیماً در اکتشافات منطقه‌ای برای شناسایی مناطق امید بخش بر اساس معیارهای مختلف اکتشاف استفاده شوند. محدوده مورد مطالعه یک ذخیره سولفیدی با سنگ میزبان آتشفشانی می‌باشد که با فعالیت‌های نفوذی مرتبط است و از سنگ‌های رسوبی، آذرآواری و آتشفشانی به‌علاوه توده‌های نفوذی که توسط جریان‌های آندزیتی تا بازالتی جوان‌تر و برش‌های جریانی که مربوط به دوران ژوراسیک فوقانی تا کرتاسه هستند، تشکیل شده است. در سال 2008 و ابتدا بنا به درخواست انجمن علوم زمین برتیش کلمبیا برداشت گرانی‌سنجی با استفاده از سیستم برداشت SGL AIRGrav G2-7 و در ادامه فعالیت اکتشافی برداشت هوابرد الکترومغناطیس و مغناطیس‌سنجی توسط سیستم پروازی Aero quest به طور هم‌زمان، صورت پذیرفت. در انتهای برداشت در طی 3 پروفیل برای داده‌های گرانی‌سنجی تعداد 398 قرائت و تعداد 26 پروفیل داده الکترومغناطیس و مغناطیس‌سنجی با تعداد 36860 قرائت بدست آمد. مدل‌سازی سه‌بعدی میدان پتانسیل با استفاده از الگوریتم وارون‌سازی لی و اولدنبورگ و با استفاده از کدهای وارون‌سازی UBCGIF MAG3D و UBCGIF GRAV3D صورت پذیرفت. برای مدل‌سازی داده‌های الکترومغناطیسی از نرم‌افزار EM Flow که به عنوان یک ابزار تفسیر سریع و نیمه خودکار برای وارن‌سازی یک‌بعدی داده‌های الکترومغناطیسی هوابرد طراحی شده است، استفاده گردید. برای اینکه مدل‌های ژئوفیزیکی سه‌بعدی به طور مؤثر برای تفسیر و هدف‌یابی اکتشاف مورد استفاده قرار گیرند، به درک خوبی از ویژگی‌های فیزیکی هدف اکتشافی نیاز است که می‌تواند به زمین‌شناسی و فرآیندهای زمین‌شناسی مرتبط باشد. برای منطقه مورد مطالعه، با توجه به مشاهدات زمین‌شناسی سطحی حاصل از مطالعات سنگ‌شناسی و ژئوشیمیایی،نتایج وارون‌سازی سه‌بعدی داده‌های هوابرد گرانی، مغناطیس و نتایج حاصل از مدل‌سازی یک‌بعدی داده‌های الکترومغناطیس جهت ساخت یک مدل زمین‌شناسی مشترک برای شناسایی اهداف معدنی بر روی یک پروفیل به صورت همزمان به نمایش در آمدند. در نهایت یک زون امید بخش با تباین چگالی و رسانایی الکتریکی بالاتر نسبت به محیط در برگیرنده شناسایی گردید. ضخامت این قسمت بین 30 تا 60 متر است و تا عمق حدود 200 متری از سطح زمین ادامه دارد. این زون باتوجه به پیشینه زمین‌شناسی موجود و مطالعات ژئوشیمیایی، به احتمال زیاد با کانه‌زایی مس-طلا-مولیبدن پورفیری، نقره، سرب و روی در ارتباط است. https://jrag.shahroodut.ac.ir/article_2854_04244837bd116289f3f8d19f6bb45a30.pdf

دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Modeling the earth magnetic temporal variant based on Gauss-Markov process and estimating the magnetic anomaly of the terrains by the UAV. مدلسازی میدان مغناطیسی گذرا به روش فرایند گوس مارکوف و تخمین مقدار آنومالی مغناطیسی نواحی توسط حسگر نصب شده روی پهپاد 153 166 3043 10.22044/jrag.2024.12937.1350 FA احمد رضا صالح دانشجوی دکتری ؛ دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس حمید رضا مومنی استاد؛ دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس Journal Article 2023 04 09 In this paper, an online method is presented to estimate the magnetic anomaly of the earth by the sensor mounted on the unmanned aerial vehicle (UAV) without relying on the ground stations data. At first, the influential factors and important components in the magnetic field of the regions have been introduced.  Then, using the data of a magnetic observatory, the temporal variation component is modeled. By removing the core field (namely, IGRF or international geomagnetic reference field) and the temporal variation from the magnetic field measured by the mobile sensor, the magnetic anomaly can be determined at any location. Finally, the method is validated with Iznik Geomagnetic Observatory station data. استفاده از آنومالی مغناطیسی زمین جهت تعیین ناوبری در هوانوردی و همچنین اکتشاف مواد معدنی و نفتی، تولید نقشه‌های زمین شناسی و توپوگرافی به‌منظور شناسایی هرچه دقیقتر ساختارهای زیرسطحی، توسعه بسیار یافته است. یکی از روشهای تعیین مقدار آنومالی نواحی، استفاده از ژئوفیزیک هوابرد می باشد. در این روش به کمک پهپاد وسعت‌های بالا در زمان کوتاه‌تری نسبت به دیگر روش‌های ژئوفیزیکی داده برداری می‌شوند. مطابق مطالعات ژئوفیزیک، اندازه بردار مغناطیس زمین در هر نقطه به غیر از مولفه اصلی که ناشی از هسته زمین بوده و شامل مشخصات فرکانسی پایین می‌شود، دارای مولفه‌ آنومالی ناشی از عوارض سطحی و ساختارهای زیر سطحی نواحی می‌باشد . علاوه بر این دو ، یک مولفه گذرا و متغیر با زمان، ناشی از عوامل خارجی نیز دارد. لذا برای یک حسگر متحرک، تعیین مقدار آنومالی مغناطیسی برای یک ناحیه بصورت بر خط، منوط به جداسازی این مولفه‌های زمانی و مکانی میدان مغناطیسی در هر لحظه می‌باشد.<br />در این پژوهش جهت تخمین آنومالی میدان مغناطیسی توسط حسگر مغناطیسی بروی پهپاد روشی ارائه شده است که در آن، ابتدا جهت کاهش نویز و افزایش کیفیت داده‌ها از روش تلفیق داده و تبدیل هیلبرت استفاده شده است و سپس با کمک سوابق داده های مغناطیسی بدست آمده از رصدخانه محلی، تغییرات زمانی میدان گذرا برای دوره های زمانی مختلف براساس جمع ، مولفه غیر تصادفی برای دوره‌های زمانی سالانه، ماهانه و روزانه و یک مولفه تصادفی برای دوره روزانه یصورت فرآیند گوس مارکوف مدل‌سازی می‌شود. سپس با داشتن مقادیر اندازه‌گیری میدان در هر مکان و کسر مولفه ‌های تغییرات زمانی میدان گذرا و مقدار میدان اصلی مطابق مدل IGRF، مقدار آنومالی مسیر حرکت حسگر تخمین زده می‌شود. درنهایت نشان داده می‌شود که با کمک این روش می‌توان آنومالی مسیر یک حسگر متحرک را در شرایط مختلف با دقت بهتر از 8 نانو تسلا بدست آورد. https://jrag.shahroodut.ac.ir/article_3043_7fab4cad4cd12a5d3c5d289c4dcb0e4e.pdf

دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Improvement of seismic attributes based on gray level co-occurrence matrix using non-linear transform to gray scale for identification of salt dome geobody بهبود نشانگرهای لرزه‌ای مبتنی بر ماتریس هم‌رخداد سطح خاکستری با استفاده از تبدیل غیرخطی به مقیاس خاکستری در شناسایی ژئوبادی گنبد نمکی 167 179 3017 10.22044/jrag.2023.13124.1351 FA پوراندخت سلطانی دانشجوی دکترای اکتشاف معدن؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود امین روشندل کاهو دانشیار؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود حمید حسن پور استاد؛ دانشکده‌ کامپیوتر، دانشگاه صنعتی شاهرود Journal Article 2023 05 14 Geophysical methods, especially reflection seismology, are one of the methods of identification the subsurface structures of the earth, and are widely used in the exploration of hydrocarbon resources. Salt domes are one of the most important geological structures. Determination of their geobody in seismic data is of great importance for various reasons. Due to different texture of salt domes compared to the surrounding sediments, texture seismic attributes are a useful tool for identifying and distinguishing these structures in seismic data. The gray level co-occurrence matrix (GLCM) has been used as a tool to generate multiple textural attributes in seismic data that includes two main steps: 1. rescaling of the seismic domain to user-defined gray levels, and 2. calculation of GLCM and extraction of texture features from it. Traditionally, linear transform is simply used to scale the seismic data domain to gray levels. The most important feature of this approach is to preserve the maximum of the distribution histogram of the original seismic data domains. However, the seismic features of interest to interpreters often cover only a small part of the amplitude histogram, and to display them more effectively, it is better to display them with more gray levels. The non-linear transform to gray scale provides the possibility of emphasizing the part of the amplitude distribution histogram in which the seismic feature is of interest, and it causes the enhancement of that feature in the gray scale image and improves the resulting textural attributes. In this paper, the classification of texture attributes based on the improved GLCM is used to determine the geobody of the salt dome in the two-dimensional marine seismic data of the bay of Hormuz. The obtained results show that the accuracy of identifying the salt dome using the improved attributes has an acceptable increase compared to the conventional ones. Furthermore, in this paper, to improve the salt dome geobody detection, nonlinear transform is used with the help of sigmoid transform function in the calculation of textural attributes based on GLCM, and its results are compared with the conventional linear transform. Finally, the geobody of the salt dome is determined using the classification of seismic attributes and its result is compared with the result of manual interpretation. گنبدهای نمکی یکی از ساختارهای مهم زمین‌شناسی در اکتشاف منابع هیدروکربنی هستند که به دلایل مختلفی تعیین ژئوبادی آن‌ها در داده‌های لرزه‌ای دارای اهمیت زیادی است. به دلیل بافت متفاوت گنبد نمکی نسبت به رسوبات دربرگیرنده، نشانگرهای لرزه‌ای بافتی ابزار مفیدی برای شناسایی و تشخیص این ساختارها در داده‌های لرزه‌ای هستند. ماتریس هم رخداد سطح خاکستری به عنوان ابزاری متداول برای تولید نشانگرهای بافتی در داده‌های لرزه‌ای استفاده می‌شوند. برای محاسبه ماتریس هم‌رخداد سطح خاکستری به منظور استخراج نشانگرهای بافتی، ابتدا تصویر داده لرزه‌ای بایستی به مقیاس خاکستری تبدیل شود. تبدیل خطی به عنوان متداول‌ترین و پرکاربردترین الگوریتم برای مقیاس کردن دامنه داده‌های لرزه‌ای به سطوح خاکستری استفاده می‌شود که مهمترین ویژگی آن حفظ حداکثری هیستوگرام توزیع دامنه‌های اصلی داده لرزه‌ای است. با این حال، رویدادهای زمین‌شناسی مورد علاقه مفسران نظیر گنبد نمکی اغلب تنها بخش کوچکی از هیستوگرام اولیه دامنه را پوشش می‌دهند و برای نمایش موثرتر آن‌ها، بهتر است، سطوح خاکستری بیشتری به آن‌ها اختصاص داده شود. تبدیل غیرخطی به مقیاس خاکستری با استفاده از تابع سیگموئید، امکان اختصاص سطوح خاکستری بیشتری به رویداد زمین‌شناسی نسبت به تبدیل خطی در داده لرزه‌ای را فراهم می‌آورد و سبب تقویت آن رویداد در تصویر مقیاس خاکستری و در نتیجه بهبود نشانگر بافتی حاصل از آن می‌شود. در این مقاله از طبقه‌بندی نشانگرهای بافتی مبتنی بر ماتریس هم‌رخداد سطح خاکستری بهبود یافته جهت تعیین ژئوبادی گنبد نمکی در داده لرزه‌ای دریایی دو بعدی مربوط به تنگه هرمز استفاده شده است. نتایج به دست آمده نشان داد که دقت شناسایی گنبد نمکی با استفاده از نشانگرهای بهبود یافته نسبت به نشانگرهای متداول در حدود 2 درصد افزایش دارد و با توجه به عدم افزایش در زمان محاسبات می‌تواند به عنوان جایگزین مناسبی برای نشانگرهای متداول باشند. https://jrag.shahroodut.ac.ir/article_3017_8c6ead167a79caf99d8eb129f97c8626.pdf

دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 10 2 2025 09 23 Non-linear inversion modeling of gravity data using grey wolf algorithm for estimating the depth of a sedimentary basin مدلسازی وارون غیر‌خطی داده های ‌گرانی با استفاده از الگوریتم گرگ خاکستری برای تخمین عمق حوضه رسوبی 181 193 3048 10.22044/jrag.2024.13486.1354 FA مونا احمدی دانشجوی دکترای مهندسی معدن؛ گروه مهندسی نفت، مواد و معدن، دانشگاه آزاد اسلامی، واحد تهران مرکزی علی نجاتی کلاته دانشیار؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود افشین اکبری دهخوارقانی استاد؛ گروه مهندسی نفت، مواد و معدن، دانشگاه آزاد اسلامی، واحد تهران مرکزی Journal Article 2023 08 24 Inverse modeling is a classical tool in applied geophysics that is divided into two forms: linear (for unknown density) and nonlinear (for unknown geometry). In this paper, the gray wolf optimization (GWO) algorithm is employed for the nonlinear inverse modeling of two-dimensional gravity data to assess and estimate the depth of a sedimentary basin. GWO is an artificial intelligence algorithm inspired by the hunting and group behavior of wolves. This algorithm is used to enhance the methods of basement characteristics determination in sedimentary basins inversion modeling. In this method, first, a two-dimensional gravity field data is obtained using data collection techniques and specialized equipment. Then, by employing the GWO algorithm, various parameters of the basement in sedimentary basin model, including depth, shape, and other characteristics, are estimated. The GWO algorithm is used to optimize the inversion modeling process and to obtain the best-fit parameters for the basement model based on the collected gravity data. In this modeling process, a basement is typically represented by a series of adjacent corner blocks arranged together, and then, their thickness is calculated. In order to demonstrate the effectiveness of this method, an inverse modeling of synthetic gravity data with and without noise was performed. As a result, the calculated depth and gravity of the synthetic model showed little deviation from the assumed values due to the defined search range for model parameters and consistently fell within the specified range. Furthermore, the proposed method was employed for inversion modeling of a portion of gravity data from Moghan basin in the northwest of Iran, and consequently, the obtained results were consistent with other relevant studies and the geological understanding of the region. The maximum depth obtained for this sedimentary basin was 2800 meters. 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. https://jrag.shahroodut.ac.ir/article_3048_34955d2b9dbf10a417f280f1248a53aa.pdf