İki Boyutlu Radyo-Manyetotellürik Verilerin Doğrusal Olmayan Yüzdelik Süzgeç ile Parçacık Sürüsü Optimizasyonu Kullanılarak Modellenmesi

Two Dimensional Modeling of Radio-Magnetotelluric Data Using Particle Swarm Optimization with Non-Linear Percentile Filter

Özet

Jeofizik verilerin modellenmesi amacıyla uygulanan geleneksel ters çözüm yöntemlerinde, yuvarlatıcılı ve keskin sınırlı modelleme için genelde türev tabanlı operatörler kullanılır. Bu yöntemler verilerin model parametrelerine göre kısmi türevlerinden oluşan Jacobian dizeyine gereksinim duyar. Buna karşın, Jacobian dizeyinin hesabı çoğu Global Optimizasyon uygulaması için gereksizdir ve en uygun model kısmen rastgeleleştirilmiş deneme yanılmalar ile belirlenir. Gerçekleştirilen deneme yanılmalar esnasında model parametrelerine çeşitli süzgeçler uygulanarak, elde edilecek modelin nitelikleri sınırlandırılabilmektedir. Bu çalışmada, doğrusal olmayan yüzdelik süzgeç kullanılarak görece verimli bir Global Optimizasyon yaklaşımı geliştirilmiştir. Yöntemin verimliliği, evrimsel bir Global Optimizasyon yöntemi olan Parçacık Sürüsü Optimizasyonu kullanılarak gösterilmiştir ve Radyo-Manyetotellürik verilerin iki boyutlu modellenmesi için uygulanmıştır. Yüzdelik süzgecin, elde edilen model parametrelerindeki yüksek frekanslı değişimleri atarken yapı sınırlarını koruyabildiği gözlenmiştir. İşlecin başarısı hem yapay hem de arazi veri kümeleri üzerinde gösterilmiş ve sonuçları kıyaslanmıştır.

Abstract

Smooth and sharp boundary modeling methods, used in traditional inversion methods for modeling geophysical data, are generally implemented using derivative based operators. These methods depend on the Jacobian matrix, which consist of partial derivatives of data according to the model parameters. In contrary, calculation of the Jacobian matrix is not necessary in most Global Optimization applications and the optimum model is determined using partially randomized trial and errors. The properties of the models to be recovered can be constrained by applying various filters during these trial and errors. In this study, a relatively efficient Global Optimization approach is developed using a non-linear percentile filter. The efficiency of the method is demonstrated using Particle Swarm Optimization, which is an evolutional Global Optimization method, and applied for two-dimensional modeling of Radio-Magnetotelluric data. In the developed algorithm, Percentile filter is observed to be filtering high frequency variations in model parameters while keeping boundaries. The ability of the developed algorithm is shown on both synthetic and field datasets, and the results are compared.