Расширенный поиск
ТРЁХМЕРНОЕ ГРАВИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ОСАДОЧНОГО БАССЕЙНА НА ОСНОВЕ АЛГОРИТМА УЛУЧШЕННОЙ ОПТИМИЗАЦИИ МЕТОДОМ
РОЯ ЧАСТИЦ (IPSO)
Исламский университет Азад
Журнал: Геофизические исследования
Том: 25
Номер: 1
Год: 2024
Страницы: 69-85
УДК: 550.831.015
DOI: 10.21455/gr2024.1-5
Показать библиографическую ссылку
Лони
М С. ТРЁХМЕРНОЕ ГРАВИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ОСАДОЧНОГО БАССЕЙНА НА ОСНОВЕ АЛГОРИТМА УЛУЧШЕННОЙ ОПТИМИЗАЦИИ МЕТОДОМ
РОЯ ЧАСТИЦ (IPSO)
// Геофизические исследования. 2024. Т. 25. № 1. С. 69-85. DOI: 10.21455/gr2024.1-5
@article{Лони
МТРЁХМЕРНОЕ2024,
author = "Лони
М, С.",
title = "ТРЁХМЕРНОЕ ГРАВИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ОСАДОЧНОГО БАССЕЙНА НА ОСНОВЕ АЛГОРИТМА УЛУЧШЕННОЙ ОПТИМИЗАЦИИ МЕТОДОМ
РОЯ ЧАСТИЦ (IPSO)
",
journal = "Геофизические исследования",
year = 2024,
volume = "25",
number = "1",
pages = "69-85",
doi = "10.21455/gr2024.1-5",
language = "Russian"
}
Скопировать ссылку в формате ГОСТ
Скопировать ссылку BibTex
Файлы:
Ключевые слова: улучшенная оптимизация методом роя частиц (IPSO), осадочный бассейн, гравитационная аномалия, контраст плотности.
Аннотация: Использован алгоритм улучшенной оптимизации методом роя частиц (IPSO – Improved Particle Swarm Optimization) для оценки глубины и моделирования трёхмерной формы осадочного бассейна с плотностью, которая параболически изменяется одновременно с глубиной бассейна. Известно, что алгоритм IPSO улучшает результат глобального поиска модельных частиц во всех моделируемых ячейках. Подбор оптимального решения регулируется коэффициентами инерционного веса и ускорения. Исследована возможность инверсии методом IPSO на синтетических гравитационных данных, связанных с осадочным бассейном, с учётом шума и без него. Рассчитанные глубина и гравитационное поле синтетической модели всегда находятся в пределах допустимого диапазона и не слишком сильно отличаются от предполагаемых значений из-за установленных ограничений для параметров модели. Предполагалось, что измеренные гравитационные поля распределены в горизонтальной плоскости, а осадочный бассейн состоит из расположенных рядом трёхмерных кубических призматических блоков. Станции измерения гравитационного поля (узлы сетки) совпадают с центрами блоков. Начальная глубина вычислялась с использованием данных о силе тяжести, а расчётные глубины корректировались с помощью итерации. Вышеупомянутый алгоритм был также применён в Северо-восточном регионе Ирана для трёхмерного гравитационного обратного моделирования осадочного бассейна. Полученная максимальная глубина осадочного бассейна составила 2.4 км.
Список литературы: Barbosa V.C.F., Silva J.B.C., Medeiros W.E. Gravity inversion of basement relief using approximate equality constraints on depths // Geophysics. 1997. V. 62. P.1745–1757.
Chakravarthi V. Gravity interpretation of nonoutcropping sedimentary basins in which the density contrast de-creases parabolically with depth // Pure and Applied Geophysics. 1995. V. 145. P.327–335.
Chakravarthi V., Raghuram H.M., Singh S.B. 3-D forward gravity modeling of basement interfaces above which the density contrast varies continuously with depth // Computers & Geosciences. 2002. V. 28, N 1. P.53–57. https://doi.org/10.1016/S0098-3004(01)00080-2
Chakravarthi V., Singh S.B., Ashok Babu G. INVER2DBASE-A program to compute basement depths of densi-ty interfaces above which the density contrast varies with depth // Computers & Geosciences. 2001. V. 27, N 10. P.1127–1133.
Chakravarthi V., Sundararajan N. Gravity modeling of 21/2-D sedimentary basins–a case of variable density contrast // Computers & Geosciences. 2005. V. 31, N 7. P.820–827.
Chakravarthi V., Sundararajan N. Marquardt optimization of gravity anomalies of anticlinal and synclinal structures with prescribed depth-dependent density // Geophysical Prospecting. 2007. V. 55, N 4. P.571–587.
Essa K.S., Elhussein M. Gravity Data Interpretation Using Different New Algorithms: A Comparative Study // Gravity-Geoscience Applications, Industrial Technology, and Quantum Aspect. London: InTechOpen, 2018. 226 p. DOI: 10.5772/intechopen.71086
Loni S., Mehramuz M. Gravity field inversion using Improved Particle Swarm Optimization (IPSO) for estimation of sedimentary basin basement depth // Contributions to Geophysics & Geodesy. 2020. V. 50, N 3. P.303–323.
Loni S., Mehramuz M. Comparison of improved particle swarm optimization with Marquardt Algorithm for sim-ulation of sedimentary basin with parabolic density contrast using gravity data // J. Ind. Geophys. Union. 2022. V. 26, N 1. P.1–15.
Martín Atienza B. Modelado e inversión en 2D y 3D de anomalías gravimétricas producidas por cuerpos cuya geometría y densidad de masa se describen utilizando funciones polinómicas: aplicaciones a datos gravimétricos de Canadá y México: Ph.D. Dissertation. Madrid: Universidad Complutense de Madrid, Es-pagne. 2001. 465 p.
Monteiro Santos F.A. Inversion of self-potential of idealized bodies’ anomalies using particle swarm optimiza-tion // Computers & Geosciences. 2010. V. 36, N 9. P.1185–1190.
Nickabadi A., Ebadzadeh M.M., Safabakhsh R. A novel particle swarm optimization algorithm with adaptive inertia weight // Applied Soft Computing. 2011. V. 11, N 4. P.3658–3670.
Pallero J.L.G., Fernández-Martínez J.L., Bonvalot S., Fudym O. Gravity inversion and uncertainty assessment of basement relief via Particle Swarm Optimization // Journal of Applied Geophysics. 2015. V. 116. P.180–191. https://doi.org/10.1016/j.jappgeo.2015.03.008
Parsopoulos K.E., Vrahatis M.N. Recent approaches to global optimization problems through Particle Swarm Optimization // Natural Computing. 2002. V. 1. P.235–306.
Rao D.B. Analysis of gravity anomalies of sedimentary basins by an asymmetrical trapezoidal model with quadratic density function // Geophysics. 1990. V. 55. P.226–231.
Rao C.V., Chakravarthi V., Raju M.L. Parabolic density function in sedimentary basin modeling // Pure an Ap-plied Geophysics. 1993. V. 140. P.493–501.
Rao C.V., Chakravarthi V., Raju M.L. Forward modelling: gravity anomalies of two-dimensional bodies of arbi-trary shape with hyperbolic and parabolic density functions // Computers & Geosciences. 1994. V. 20, N 5. P.873–880.
Rao C.V., Raju M.L., Chakravarthi V. Gravity modeling of an interface above which the density contrast de-creases hyperbolically with depth // Journal of Applied Geophysics. 1995. V. 34, Iss. 1. P.63–67.
Shi Y., Eberhart R.C. A Modified Particle Swarm Optimizer // International Conference of Evolutionary Compu-tation Proceedings. Anchorage, Alaska. USA: IEEE, 1998. P.69–73.
Silva J.B.C., Costa D.C.L., Barbosa V.C.F. Gravity inversion of basement relief and estimation of density con-trast variation with depth // Geophysics. 2006. V. 71. P.J51–J58.
Singh K.K., Singh U.K. Application of Particle Swarm Optimization for gravity inversion of 2.5-D sedimentary basins using variable density contrast // Geoscientific Instrumentation, Methods and Data Systems. 2017. V. 6, N 1. P.193–198.
Sweilam N.H., El-Metwally K., Abdelazeem M. Self potential signal inversion to simple polarized bodies using the Particle Swarm Optimization method: A visibility study // Journal of Applied Geophysics. Egyptian Socie-ty of Applied Petrophysics. 2007. V. 6, Iss. 1. P.195–208.
Xin J., Chen G., Hai Y. A Particle Swarm Optimizer with Multistage Linearly-Decreasing Inertia Weight // Inter-national Joint Conference on Computational Sciences and Optimization. Sanya, China. USA: IEEE, 2009. P.505–508.
Yi L. Study on an Improved PSO Algorithm and its Application for Solving Function Problem // International Journal of Smart Home. 2016. V. 10, N 3. P.51–62.
Chakravarthi V. Gravity interpretation of nonoutcropping sedimentary basins in which the density contrast de-creases parabolically with depth // Pure and Applied Geophysics. 1995. V. 145. P.327–335.
Chakravarthi V., Raghuram H.M., Singh S.B. 3-D forward gravity modeling of basement interfaces above which the density contrast varies continuously with depth // Computers & Geosciences. 2002. V. 28, N 1. P.53–57. https://doi.org/10.1016/S0098-3004(01)00080-2
Chakravarthi V., Singh S.B., Ashok Babu G. INVER2DBASE-A program to compute basement depths of densi-ty interfaces above which the density contrast varies with depth // Computers & Geosciences. 2001. V. 27, N 10. P.1127–1133.
Chakravarthi V., Sundararajan N. Gravity modeling of 21/2-D sedimentary basins–a case of variable density contrast // Computers & Geosciences. 2005. V. 31, N 7. P.820–827.
Chakravarthi V., Sundararajan N. Marquardt optimization of gravity anomalies of anticlinal and synclinal structures with prescribed depth-dependent density // Geophysical Prospecting. 2007. V. 55, N 4. P.571–587.
Essa K.S., Elhussein M. Gravity Data Interpretation Using Different New Algorithms: A Comparative Study // Gravity-Geoscience Applications, Industrial Technology, and Quantum Aspect. London: InTechOpen, 2018. 226 p. DOI: 10.5772/intechopen.71086
Loni S., Mehramuz M. Gravity field inversion using Improved Particle Swarm Optimization (IPSO) for estimation of sedimentary basin basement depth // Contributions to Geophysics & Geodesy. 2020. V. 50, N 3. P.303–323.
Loni S., Mehramuz M. Comparison of improved particle swarm optimization with Marquardt Algorithm for sim-ulation of sedimentary basin with parabolic density contrast using gravity data // J. Ind. Geophys. Union. 2022. V. 26, N 1. P.1–15.
Martín Atienza B. Modelado e inversión en 2D y 3D de anomalías gravimétricas producidas por cuerpos cuya geometría y densidad de masa se describen utilizando funciones polinómicas: aplicaciones a datos gravimétricos de Canadá y México: Ph.D. Dissertation. Madrid: Universidad Complutense de Madrid, Es-pagne. 2001. 465 p.
Monteiro Santos F.A. Inversion of self-potential of idealized bodies’ anomalies using particle swarm optimiza-tion // Computers & Geosciences. 2010. V. 36, N 9. P.1185–1190.
Nickabadi A., Ebadzadeh M.M., Safabakhsh R. A novel particle swarm optimization algorithm with adaptive inertia weight // Applied Soft Computing. 2011. V. 11, N 4. P.3658–3670.
Pallero J.L.G., Fernández-Martínez J.L., Bonvalot S., Fudym O. Gravity inversion and uncertainty assessment of basement relief via Particle Swarm Optimization // Journal of Applied Geophysics. 2015. V. 116. P.180–191. https://doi.org/10.1016/j.jappgeo.2015.03.008
Parsopoulos K.E., Vrahatis M.N. Recent approaches to global optimization problems through Particle Swarm Optimization // Natural Computing. 2002. V. 1. P.235–306.
Rao D.B. Analysis of gravity anomalies of sedimentary basins by an asymmetrical trapezoidal model with quadratic density function // Geophysics. 1990. V. 55. P.226–231.
Rao C.V., Chakravarthi V., Raju M.L. Parabolic density function in sedimentary basin modeling // Pure an Ap-plied Geophysics. 1993. V. 140. P.493–501.
Rao C.V., Chakravarthi V., Raju M.L. Forward modelling: gravity anomalies of two-dimensional bodies of arbi-trary shape with hyperbolic and parabolic density functions // Computers & Geosciences. 1994. V. 20, N 5. P.873–880.
Rao C.V., Raju M.L., Chakravarthi V. Gravity modeling of an interface above which the density contrast de-creases hyperbolically with depth // Journal of Applied Geophysics. 1995. V. 34, Iss. 1. P.63–67.
Shi Y., Eberhart R.C. A Modified Particle Swarm Optimizer // International Conference of Evolutionary Compu-tation Proceedings. Anchorage, Alaska. USA: IEEE, 1998. P.69–73.
Silva J.B.C., Costa D.C.L., Barbosa V.C.F. Gravity inversion of basement relief and estimation of density con-trast variation with depth // Geophysics. 2006. V. 71. P.J51–J58.
Singh K.K., Singh U.K. Application of Particle Swarm Optimization for gravity inversion of 2.5-D sedimentary basins using variable density contrast // Geoscientific Instrumentation, Methods and Data Systems. 2017. V. 6, N 1. P.193–198.
Sweilam N.H., El-Metwally K., Abdelazeem M. Self potential signal inversion to simple polarized bodies using the Particle Swarm Optimization method: A visibility study // Journal of Applied Geophysics. Egyptian Socie-ty of Applied Petrophysics. 2007. V. 6, Iss. 1. P.195–208.
Xin J., Chen G., Hai Y. A Particle Swarm Optimizer with Multistage Linearly-Decreasing Inertia Weight // Inter-national Joint Conference on Computational Sciences and Optimization. Sanya, China. USA: IEEE, 2009. P.505–508.
Yi L. Study on an Improved PSO Algorithm and its Application for Solving Function Problem // International Journal of Smart Home. 2016. V. 10, N 3. P.51–62.
