Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2022

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: obrazowanie oporności elektrycznej

Sortuj według:

Ogranicz wyniki do:

Application of Clustering Method in Different Geophysical Parameters for Researching Subsurface Environment

Le Cuong Van Anh, Nguyen Ngan Nhat Kim, Nguyen Thuan Van

Inżynieria Mineralna

2022

no. 2

39--47

Safety of construction needs knowledge of physical parameters as stiffness or porosity of the subsurface environment. Combination of different geophysical methods such as electrical resistivity imaging and multichannel analysis of surface waves can provide distributions of resistivity and shear velocity which are responsible for the underground physical parameters. Their joint interpretation can solve individual problems of none-uniqueness of the solutions when expressing two inversion results to describe environment characteristics. In our work, the k-means clustering method can categorize the two parameters into specific zones that can help to interpret the geophysical data effectively. Our workflow consists of two stages in which two independent geophysical data are inverted and the k-means clustering is applied to the two results for achieving the specified groups. The collocated geophysical data are measured in District 9, Ho Chi Minh City, Vietnam. Matching with the geology drillhole information, the joint results generally present layered medium with the upper zone having smaller resistivity and shear velocity values and the bottom zone of stronger stiffness.

Bezpieczeństwo konstrukcji wymaga znajomości parametrów fizycznych, takich jak sztywność czy porowatość środowiska podpowierzchniowego. Połączenie różnych metod geofizycznych, takich jak obrazowanie rezystywności elektrycznej i wielokanałowa analiza fal powierzchniowych, może dostarczyć rozkłady rezystywności i prędkości ścinania, które są odpowiedzialne za parametry fizyczne podziemnych warstw. Ich wspólna interpretacja może rozwiązać indywidualne problemy niejednoznaczności rozwiązań przy wyrażaniu dwóch wyników inwersji do opisu cech środowiska. W naszej pracy metoda grupowania k-średnich może podzielić dwa parametry na określone strefy, co może pomóc w skutecznej interpretacji danych geofizycznych. Nasz przepływ pracy składa się z dwóch etapów, w których dwa niezależne dane geofizyczne są odwracane, a grupowanie k-średnich jest stosowane do dwóch wyników w celu uzyskania określonych grup. Zebrane dane geofizyczne są mierzone w Dystrykcie 9, Ho Chi Minh City, Wietnam. Dopasowując się do informacji uzyskanych z odwiertów geologicznych, wyniki połączeń ogólnie przedstawiają ośrodek warstwowy, w którym górna strefa ma mniejsze wartości rezystywności i prędkości ścinania, a dolna strefa ma większą sztywność.

A parallel improved PSO algorithm with genetic operators for 2D inversion of resistivity data

Abril Jorge L., Vasconcelos Marcos A., Barboza Francisco M., Mojica Oscar F.

Acta Geophysica

2022

Vol. 70, no 3

1137--1154

In this paper, an improved particle swarm optimization technique known as elitist-mutated particle swarm optimization (EMPSO) was applied in the 2D electrical resistivity imaging, a complex and highly nonlinear optimization problem. The EMPSO enables better exploration of the search space, by replacing particles with a worse performance by the best particle of the swarm mutated in random positions. Nevertheless, this technique, as any other based on a population of models, costs much computation time in solving optimization problems with a large number of unknown parameters. We addressed this problem by developing a parallel version of the EMPSO that supports pure MPI and hybrid MPI-OpenMP modes, and we named as parallel elitist-mutated PSO (PEMPSO). The solution to the inverse problem is based on minimizing an objective function with a regularization term to create a mathematically stable solution. Total variation and global smoothness regularizations were used in the inversion of synthetic data obtained from simple models and a set of real data of a highly complex geological/geotechnical nature. By virtue of the features of the synthetic models and the geology of the local where the data were acquired, the inversions with total variation regularization provided the best outcomes. Additionally, we have improved the execution time significantly with our parallel solution (the pure MPI model turned out to be better than the hybrid model) in comparison with the sequential version. Cumulative frequency distribution of errors between modeled and observed apparent resistivity data for all experiments was used to validate the PEMPSO technique for estimating resistivity.