Advanced Methods of Joint Inversion and Fusion of Multiphysics Data
Verschiedene physikalische oder geophysikalische Methoden liefern Informationen über bestimmte physikalische Eigenschaften der Objekte, z. B. Gesteinsschichten und Mineralisierungen. In vielen Fällen ergänzen sich diese Informationen gegenseitig, so dass sie in einer gemeinsamen Inversion der multiphysikalischen Daten berücksichtigt werden können. Die Inversion der beobachteten Daten für ein bestimmtes Experiment ist mit erheblichen Unsicherheiten und Mehrdeutigkeiten behaftet. Ein produktiver Ansatz zur Verringerung der Unsicherheit ist die gemeinsame Inversion mehrerer Datentypen. Die Nicht-Eindeutigkeit kann auch durch die Einbeziehung zusätzlicher Informationen aus dem verfügbaren A-priori-Wissen über das Ziel reduziert werden, um den Suchraum für die Lösung zu verkleinern. Diese zusätzlichen Informationen können in Form einer gemeinsamen Inversion von Multiphysikdaten einbezogen werden.
Allgemein etablierte gemeinsame Inversionsmethoden sind jedoch unzureichend, um die typische physikalische oder geologische Komplexität zu berücksichtigen. So können beispielsweise analytische, empirische oder statistische Korrelationen zwischen verschiedenen physikalischen Eigenschaften nur für einen Teil des Modells bestehen, und ihre spezifische Form kann unbekannt sein. Merkmale oder Strukturen, die in den Daten einer physikalischen Methode vorhanden sind, sind möglicherweise in den Daten einer anderen physikalischen Methode nicht vorhanden oder können nicht gleichermaßen aufgelöst werden.
In diesem Buch werden mehrere fortschrittliche, neue Ansätze zur gemeinsamen Inversion und Datenfusion vorgestellt und erläutert, die keine a priori Kenntnisse über spezifische empirische oder statistische Beziehungen zwischen den verschiedenen Modellparametern oder deren Attributen erfordern. Zu diesen Ansätzen gehören u.a. die folgenden neuen Methoden: 1) die Gramian-Methode, die die Korrelation zwischen verschiedenen Parametern erzwingt; 2) gemeinsame funktionale Gesamtvariationen oder gemeinsame Fokussierungsstabilisatoren, z. B. Minimum Support und Minimum Gradient Support Constraints; 3) Datenfusion unter Verwendung eines gemeinsamen Minimum-Entropie-Stabilisators, der die einfachste Multiphysik-Lösung liefert, die zu den multimodalen Daten passt. Darüber hinaus werden in dem Buch die Grundsätze der Verwendung von künstlicher Intelligenz (KI) bei der Lösung von inversen Multiphysik-Problemen beschrieben. In dem Buch werden sowohl die mathematischen Prinzipien dieser fortschrittlichen Ansätze zur gemeinsamen Inversion von Multiphysikdaten als auch erfolgreiche Fallbeispiele von geophysikalischen Studien auf regionaler und Lagerstättenebene zur Veranschaulichung ihrer Vorteile detailliert dargestellt.
| ISBN: | 9789819967216 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 369 |
Derzeit verfügbar, auf Lager.
