Titre original :
Advanced Methods of Joint Inversion and Fusion of Multiphysics Data
Contenu du livre :
Différentes méthodes physiques ou géophysiques fournissent des informations sur les propriétés physiques distinctives des objets, par exemple les formations rocheuses et les minéralisations. Dans de nombreux cas, ces informations se complètent mutuellement, ce qui rend leur prise en compte naturelle dans une inversion conjointe des données multiphysiques. L'inversion des données observées pour une expérience particulière est sujette à une incertitude et une ambiguïté considérables. Une approche productive pour réduire l'incertitude consiste à inverser plusieurs types de données conjointement. La non-unicité peut également être réduite en incorporant des informations supplémentaires dérivées des connaissances a priori disponibles sur la cible afin de réduire l'espace de recherche de la solution. Ces informations supplémentaires peuvent être incorporées sous la forme d'une inversion conjointe de données multiphysiques.
Les méthodes d'inversion conjointe généralement établies ne permettent toutefois pas d'intégrer la complexité physique ou géologique typique. Par exemple, des corrélations analytiques, empiriques ou statistiques entre différentes propriétés physiques peuvent n'exister que pour une partie du modèle, et leur forme spécifique peut être inconnue. Les caractéristiques ou les structures présentes dans les données d'une méthode physique peuvent ne pas être présentes dans les données générées par une autre méthode physique ou ne pas être résolues de la même manière.
Ce livre présente et illustre plusieurs nouvelles approches avancées de l'inversion conjointe et de la fusion de données, qui ne nécessitent pas de connaissance a priori de relations empiriques ou statistiques spécifiques entre les différents paramètres du modèle ou leurs attributs. Ces approches comprennent les nouvelles méthodes suivantes, entre autres : 1) la méthode de Gramian, qui renforce la corrélation entre les différents paramètres ; 2) les stabilisateurs fonctionnels de variation totale conjointe ou de focalisation conjointe, par exemple, les contraintes de support minimum et de support de gradient minimum ; 3) la fusion de données employant un stabilisateur d'entropie minimum conjoint, qui produit la solution multiphysique la plus simple qui s'adapte aux données multimodales. En outre, le livre décrit les principes de l'utilisation de l'intelligence artificielle (IA) dans la résolution des problèmes inverses multiphysiques. Le livre présente également en détail les principes mathématiques de ces approches avancées de l'inversion conjointe des données multiphysiques et des exemples réussis d'études géophysiques à l'échelle régionale et à l'échelle du gisement afin d'illustrer leurs avantages.
Autres informations sur le livre :
| ISBN : | 9789819967216 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2023 |
| Nombre de pages : | 369 |
Achat:
Actuellement disponible, en stock.
