fa وارون سازی داده‌های گرانی به کمک روش تبرید شبیهسازی شده (مطالعه موردی-منطقه امان آباد اراک) ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research <p dir="RTL" style="text-align: justify;">هدف از این مقاله استفاده از&nbsp; روش بهینه سازی تصادفی&nbsp;تبرید شبیه سازی شده&nbsp;برای وارون سازی داده‌های ثقل سنجی و به دست آوردن ویژگی‌های فیزیکی و به خصوص هندسی منبع به وجود آورنده این داده ها (منبع آنومالی) است. پارامترهای هندسی منبع آنومالی شامل عمق یک سری از منشورهای به هم چسبیده بوده که در نهایت در کنار یکدیگر شکل هندسی منبع را نمایش می‌دهند و منظور از ویژگی‌های فیزیکی همان تباین چگالی میان سنگ میزبان و منبع آنومالی است که با توجه به اطلاعات زمین‌شناسی بازه جستجوی کوچکی برای آن در نظر گرفته شده‌است. همچنین برای وارون سازی بهتر از پارامترهای آنومالی منطقه‌ای نیز استفاده شده‌است به این معنا که ضرایب ثابتی در مختصات نقاط ضرب شده که باعث از بین رفتن اثرات یکنواخت و نسبتا بزرگ آنومالی‌های سنگ‌های زمینه (که اندازه‌گیری آن‌ها مورد نظر نیست) می‌شوند. در این پژوهش ضمن به کارگیری روش پیشنهادی بر روی داده‌های شبیه سازی شده به ارزیابی کارآمدی الگوریتم بر روی داده های حاصل از گرانی‌سنجی در منطقه امان آباد اراک پرداخته شده و نتایج آن&nbsp; با گمانه های حفر شده در منطقه مذکور مقایسه گردیده است. ارزیابی صورت گرفته نشان‌دهنده موفقیت الگوریتم در هر دو مرحله می<span dir="LTR">‌</span>باشد. عمق کمینه و بیشینه اکثر سنگ های رسوبی در منطقه مورد نظر بین 70 تا 120 متر تخمین زده شده است. در نهایت میزان بزرگی تابع هزینه(میزان خطا) در منطقه مورد مطالعه محاسبه شده که حداکثر بزرگی آن&nbsp; حدود 0.5 میلی گال است. لازم به ذکر است که عموما در روش‌های بهینه‌سازی غیرخطی عملیات ماتریسی و محاسبه پارامترهای آماری صورت نمی‌پذیرد و ملاک بررسی عملکرد الگوریتم پیاده‌سازی آن بر روی داده‌های شبیه‌سازی شده است.</p> <p style="text-align: justify;">Optimization methods such as Simulated Annealing (SA), Genetic Algorithm (GA), Ant Colony Optimization (ACO) and Partial Swarm Optimization (PSO) are very popular for solving inverse problems. Gravity inversion is one of the fields of geophysical exploration that mainly used for mining and oil exploration. In this research optimization method is considered for gravity inversion of a sedimentary basin to find out its geometry. A new method for 3D inversion of gravity data is developed. In such optimization methods before anything else having a forward model is necessary. This model is the relationship between Bouguer gravity anomalies and a combination of prisms. The gravity anomalies of the density interface are generated by equating the material below the interface to a series of juxtaposing rectangular blocks. The stochastic optimization method that is used for solving inverse problem is Simulated Annealing. With a try and error method at first the cost function of a lot of choices is measured. Then the minimum value between them is used as the primary set of variables for introducing to model that is the start configuration of model variables. After that the repeating algorithm starts until the cost function reaches to as small as possible value by considering the geophysical constraints of the place that is being studied. Finally the geometry of prisms that is the depth of each prism is achieved. This geometry shows the situation of anomaly source. For better inversion regional anomaly is used with introducing some unknown constants to the model. The values of unknown parameters of model are extracted in a continuous range that is obtained from priori information of the region. At first the algorithm was used in solving a synthetic problem that is defined by developing random data in an arbitrary region, so with using forward model again and again finally the cost function reaches to its minimum value. For evaluating the success or failure of the algorithm, the contour map of depths that was used in forward model is compared with map that is produced after inversion and discrepancies was considered. The good results of synthetic problem lead to implementing the algorithm for real gravity data from Aman Abad region in Arak city. For this purpose at first the gravity data must be changed to Bouguer gravity anomalies by some reduction. After that the repeated algorithm is implemented and finally the results are compared with some priori information which is obtained by madding boreholes around the region. This priori information claims that the minimum and maximum depth of prisms is between 70 meters to 120 meters. Results of the algorithm are compatible with this information and show the power of algorithm in solving this kind of inverse problem. It must be mentioned that without using this priori information the results of gravity inversion are not unique and many different interpretations can be concluded even interpretations that cannot be accepted in geophysical view. As a norm to find the ability of algorithm in solving this problem the cost function can be helpful which shows the amount of error. The maximum value of it was 0.5 mgal in some regions in this research.</p> وارون سازی داده های گرانی, تبرید شبیه سازی شده, روش های بهینه سازی, جستجوی تصادفی Gravity Data Inversion, Simulated Annealing, Optimization Methods, Random Search 47 57 http://jgst.issgeac.ir/browse.php?a_code=A-10-384-1&slc_lang=fa&sid=1 H. Davodi حمید داودی hadavudi@gmail.com 10031947532846003782 10031947532846003782 Yes سازمان ندارد A. Safari عبدالرضا صفری 10031947532846003783 10031947532846003783 No سازمان ندارد V. Ebrahimzade Ardestani وحید ابراهیم زاده اردستانی 10031947532846003784 10031947532846003784 No سازمان ندارد