ธรณีฟิสิกส์
นักธรณีฟิสิกส์ (Geophysicist) ใช้ทฤษฏีการคำนวณย้อนกลับ (Inverse theory) ในการสร้างแบบจำลองใต้ผิวโลก (models) จากข้อมูลที่ได้จากสำรวจที่พื้นผิว (measured data)
ซึ่งในการทำ Inversion ของเทคนิคต่าง ๆ ประกอบไปด้วยหลาย ๆ ส่วน เช่น
ฟิสิกส์, การแบ่งกริด (discretization), simulation, regularization, optimization, linear algebra, ความรู้ทางคอมพิวเตอร์ และ ธรณีวิทยา เป็นต้น ซึ่งแบ่งได้หลัก ๆ 3 ส่วน
1. Input
1.1 ข้อมูล
เป็นส่วนสำคัญที่สุดของขบวนการทั้งหมด ทั้งนี้ เพื่อให้ได้แบบจำลองที่ดีที่สุด เราต้องเก็บข้อมูลให้มีความเหมาะสมกับ target ของเรา เช่น spacing ของแต่ละเครื่องรับ รวมไปถึง investigation depth ซึ่ง เป็นเรื่องที่สำคัญมาก เราจะไม่สร้างแบบจำลองหรือตีความไปมากกว่า investigation depth ที่ข้อมูลหรือสัญญาณไปถึง (ถึงแม้ในโปรแกรมหรือ แบบจำลองจะให้ความลึกเท่าไหร่ก็ตาม) ทั้งนี้ สามารถ ตรวจสอบได้จากการใช้ forward modeling ซึ่งจะกล่าวถึงต่อไป ในโปรแกรม forward modeling เราสารมารถ สร้างแบบจำลอง ที่ขนาดและความลึกต่างๆ เพื่อทดสอบความเข้มของสัญญาณ ว่าสามารถวัดได้ด้วย configuration และ anomaly ขนาดและความลึก แบบนั้น ๆ
ต้องเก็บข้อมูลให้ครอบคุม target และให้มีสัญญาณรบกวนน้อยที่สุด ดังนี้การออกแบบการสำรวจจึงมีความสำคัญมาก เพราะถ้าเราได้ข้อมูลที่ไม่ดี ก็ไม่สามารถประมวลผลให้ได้แบบจำลองที่มีความน่าเชื่อถือได้
1.2 ข้อมูลหรือแบบจำลอง แบบอื่น ในพื้นที่ที่เราสำรวจ
เป็น ข้อมูลจากวิธีหรือแหล่ง อื่น ๆ ที่มาช่วยในการตีความ หรือ constrain แบบจำลอง เพื่อให้มีความแม่นยำและน่าเชื่อถือมากขึ้น ทั้งนี้อาจรวมไปถึงการใช้ Assumptions ต่าง ๆ
1.3 ทฤษฏีหรือ สมการต่าง ๆ
เพื่อเข้าใจหลักการทำงาน หรือ การสำรวจทางธรณีฟิสิกส์ด้านนั้น ๆ ส่งสัญญาณอะไร วัดสัญญาณอะไร เพื่อที่จะรู้ปัจจัยต่างๆ ที่ส่งผลต่อ สัญญาณ และ noise
รวมถึงใช้ในกระบวนการ forward modeling และ inversion
2 Inversion
2.1 Forward modeling
ซึ่งสามารถช่วยในการ Discretization the Earth หรือการแบ่ง grid ที่เหมาะสมได้ โดย กำหนด ค่า physical propoty นั้น ๆ ให้มีค่าที่เราสามารถรู้ response ได้ เพื่อทดสอบ error เนื่องจาก grid เพียงอย่างเดียว
ตัวอย่างเช่น ในการสำรวจด้วย DC resistivity
ถ้าเรากำหนดให้ grid ทั้งหมด มีค่า resistivity 100 ohm-m ทุกตำแหน่งที่ทำการสำรวจ ควรจะวัดค่า apparent resisvitiy ได้ 100 ohm-m ด้วยเช่นกัน
############
แต่เนื่องจากมี discretization error ค่าที่ทำการ simulation จะไม่ได้ 100 ohm-m
เช่นที่ level ที่ 1 มี ค่า response (apparent resistivity) เท่ากับ 95 ohm-m ก็อาจจะหมายความว่า grid ที่ระดับตึ้น ๆ อาจจะมีการแบ่งไม่เหมาะสม เนื่องจากมี error ประมาณ 5 %
ทั้งนี้สามารถคิดเป็นภาพรวมของข้อมูลทั้งหมด เพื่อจาก observe data และ response ถ้าน้อยกว่า 3 % ก็น่าจะเป็นที่ยอมรับได้ ทั้งนี้ grid ยิ่งละเอียด error ยิ่งน้อย แต่ก็จะใช้เวลาในการคำนวณเยอะขึ้นด้วยเช่นกัน
2.2 Inversion
มี สมการคณิตศาสตร์ที่ซับซ้อน ใช้ optimization technichque เพื่อหาแบบจำลองที่ ให้ response คล้ายกับ observed data หรือที่เรียกว่า data misfit ยิ่งน้อยยิ่งเหมือนกัน ซึ่งในหลาย ๆ โปรแกรม จะมีการปรับค่าค่อนข้างเยอะ และต้องมีการถ่วงน้ำหนักระหว่าง ความ smooth ของแบบจำลอง และ data misfit
3 การประเมินผล
อาจจะต้องมีการทดลองหลายแบบ ปรับค่าหลายอย่าง รวมถึงทดสอง initial model
และทำการ ปรับค่า ในขั้นที่ 1 และ 2 ใหม่
และสุดท้ายต้องเลือก แบบจำลองที่ดีที่สุด (preferred model) เพื่อใช้ในการตีความหมายต่อไป
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
