وارون‌سازی داده‌های گرانی‌سنجی دوبعدی با روش متعادل‌سازی قید فعال و الگوریتم لنکزوس: مطالعه موردی معدن سنگ‌آهن اسفندار

نوع مقاله : سایر مقالات

نویسندگان

1 دانشجوی دکتری تخصصی مهندسی معدن_اکتشاف، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران.

2 دانشیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران.

3 استادیار، دانشکده فنی و مهندسی، دانشگاه ملایر، ملایر، ایران

چکیده

روش‌های ژئوفیزیک با ارائه اندازه‌گیری‌های غیرمستقیم از ویژگی‌های زیرسطحی، ابزارهای حیاتی برای شناسایی و استنباط وجود ذخایر معدنی و ساختارهای زمین‌شناسی زیرسطحی به شمار می‌آیند. این اندازه‌گیری‌ها اطلاعات ارزشمندی درباره توزیع چگالی و خواص فیزیکی لایه‌های زمین فراهم می‌کنند، اما ماهیت غیرمستقیم آن‌ها، تفسیر دقیق داده‌ها را دشوار می‌سازد. برای استخراج مدل‌های زیرسطحی از این داده‌ها، استفاده از روش‌های وارون‌سازی ضروری است. در این میان، وارون‌سازی داده‌های گرانی نقش کلیدی دارد، زیرا امکان تخمین توزیع چگالی ناشناخته در زیرسطح زمین را از طریق داده‌های اندازه‌گیری شده در سطح فراهم می‌آورد.

مشکل اصلی در این فرآیند، عدم یکتایی پاسخ‌ها و بدحالت بودن مسئله است. وارون‌سازی خطی داده‌های گرانی‌سنجی معمولاً کم‌تعیین‌شده است و حساسیت بالایی نسبت به خطاها و نویز داده‌ها دارد. برای حل این مشکل، استفاده از تکنیک‌های منظم‌سازی ضروری است. در این پژوهش، از روش متعادل‌سازی قید فعال (ACB) برای تعیین مقدار بهینه پارامتر منظم‌سازی استفاده شده است تا وارون‌سازی دوبعدی داده‌ها پایدار و دقیق انجام گیرد. وارون‌سازی با بهره‌گیری از روش دوقطبی‌سازی لنکزوس (LSQR Lanczos bidiagonalization) صورت گرفته و الگوریتمی توسعه یافته است که قادر به محاسبه خودکار پارامتر منظم‌سازی بهینه می‌باشد.

برای ارزیابی عملکرد و اعتبارسنجی الگوریتم، ابتدا داده‌های گرانی‌سنجی تولید شده توسط یک مدل مصنوعی تحلیل شد و سپس الگوریتم بر روی داده‌های واقعی معدن سنگ‌آهن اسفندار در استان یزد اعمال گردید. نتایج به‌دست آمده نشان‌دهنده توانایی الگوریتم در تولید مدل‌های زیرسطحی دقیق، پایدار و واقع‌گرایانه بود. این مطالعه تأکید می‌کند که روش ACB می‌تواند به‌عنوان یک ابزار مؤثر در وارون‌سازی داده‌های ژئوفیزیکی، مطالعات زمین‌شناسی و اکتشاف منابع معدنی مورد استفاده قرار گیرد و به بهبود دقت و قابلیت اعتماد نتایج کمک کند.

کلیدواژه‌ها


مقدسی، میثم.، نجاتی کلاته، علی.، رضایی، محمد.، برآورد پارامتر منظم‌سازی به‌روش متعادل‌سازی قید فعال در وارون‌سازی دو بعدی داده‌های گرانی‌سنجی، فیزیک زمین و فضا، دوره 44، شماره 3، پاییر 1397، صفحه 575-583.
Abedi, M., Gholami, A., Norouzi, G.-H., and Fathianpour, N., 2013, Fast inversion of magnetic data using Lanczos bidiagonalization method: Journal of Applied Geophysics, 90, 126–137.
Blakely, R. J., 1996, Potential theory in gravity and magnetic applications: Cambridge University Press.
Farquharson, C. G., and Oldenburg, D. W., 2004, A comparison of automatic techniques for estimating the regularization parameter in non-linear inverse problems: Geophysical Journal International, 156, 411–425.
Fullagar, P. K., Pears, G. A., and McMonnies, B., 2008, Constrained inversion of geologic surfaces—pushing the boundaries: The Leading Edge, 27(1), 98-105.
Last, B., and Kubik, K., 1983, Compact gravity inversion: Geophysics, 48, 713–721.
Li, Y., and Oldenburg, D. W., 1998, 3-D inversion of gravity data: Geophysics, 63(1), 109-119.
Li, Y., and Oldenburg, D. W., 2003, Fast inversion of large-scale magnetic data using wavelet transforms and a logarithmic barrier method: Geophysical Journal International, 152(2), 251-265.
Martinez, C., Li, Y., Krahenbuhl, R., and Braga, M., 2010, 3D inversion of airborne gravity gradiomentry for iron ore exploration in Brazil: SEG Technical Program Expanded Abstracts 2010, 1753-1757.
Menke, W., 1984, Geophysical data analysis: Discrete inverse theory: Academic Press, Inc.
Moorkamp, M., 2021, Joint inversion of gravity and magnetotelluric data from the Ernest-Henry IOCG deposit with a variation of information constraint: First International Meeting for Applied Geoscience & Energy, SEG, Expanded Abstracts.
Moghadasi, M., Nejati Kalateh, A., & Rezaie, M. (2019). Automatic estimation of regularization parameter by active constraint balancing method for 3D inversion of gravity data. Journal of Mining and Environment, 10(2), 357-364.
Nemeth, T., Normark, E., and Qin, F., 1997, Dynamic smoothing in crosswell travel time tomography: Geophysics, 62, 168–176.
Rene´, R. M., 1986, Gravity inversion using open, reject, and ‘‘shape-ofanomaly’’ fill criteria: Geophysics, 51, 988–994.
Rezaie, M., Moradzadeh, A., Kalate, A. N., and Aghajani, H., 2017, Fast 3D focusing inversion of gravity data using reweighted regularized Lanczos bidiagonalization method: Pure and Applied Geophysics, 174(1), 359-374.
Sasaki, Y., 1994, 3D resistivity inversion using the finite element method: Geophysics, 59, 1839–1848.
Tavakoli, M., et al., 2021, Sequential joint inversion of gravity and magnetic data via the cross-gradient constraint: Geophysical Prospecting, 69(7), 1542-1559.
Tikhonov, A. N., and Arsenin, V. Y., 1977, Solution of ill-posed problems: V. H. Winston and Sons.
Vatankhah, S., et al., 2022, Large-scale focusing joint inversion of gravity and magnetic data with Gramian constraint: Geophysical Journal International, 230(3), 1585-1611.
Yi, M.-J., Kim, J.-H., and Chung, S.-H., 2003, Enhancing the resolving power of least-squares inversion with active constraint balancing: Geophysics, 68, 931–941.
Zhdanov, M. S., Jorgensen, M., and Cox, L., 2021, Advanced methods of joint inversion of multiphysics data for mineral exploration: Geosciences, 11(6), 262.
Zhdanov, M. S., Tu, X., and Čuma, M., 2022, Cooperative inversion of multiphysics data using joint minimum entropy constraints: Near Surface Geophysics, 20, 623-636..