فهرست نشریات علمی دسترسی آزاد ایران

تولید یک مدل مناسب در حل منظم مسئله وارون به انتخاب مناسب پارامتر منظم‌سازی وابسته است، لذا برآورد این پارامتر می­تواند اهمیت زیادی داشته باشد. در اکثر مسائل وارون، این پارامتر به‌صورت تجربی انتخاب می­شود. هدف از تحقیق حاضر، عرضه و  به­کارگیری روشی برای انتخاب خودکار پارامتر منظم‌سازی مناسب برای وارون‌سازی دوبُعدی داده­های مگنتوتلوریک است. برای این منظور دو روش اعتبار­سنجی تقاطعی تعمیم­یافته (GCV: Generalized Cross Validation) بهبود­ داده شده و منحنی LL-Curve) در الگوریتم وارون‌سازی دوبُعدی داده‌‌های مگنتوتلوریک به کار برده می­شود. برآورد پارامتر منظم‌سازی با این روش­ها در یک مثال مصنوعی تقریباً پیچیده و با اِعمال دو درصد نوفه تصادفی و همچنین برای یک دسته داده واقعی تشریح می­شود. نتایج حاصل نشان می­دهد که هر دو روش فوق در انتخاب پارامتر منظم‌سازی در داده­های مصنوعی توانمند هستند. همچنین نتایج به‌دست آمده برای داده‌‌های واقعی و مقایسه آنها با نتایج به‌دست آمده به روش ACBActive Constrain Balancing) نشان می­دهد که روش GCVبهبودیافته به‌‌خوبی قادر است پارامتر منظم‌سازی را برای تولید یک مدل مناسب برآورد کند، در صورتی‌‌که روش منحنی Lبه همراه یک طرح کنترلی می­تواند مفید واقع شود.