این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۱۶، شماره ۶۴، صفحات ۱۰۲-۱۱۱
عنوان فارسی تخمین بهینه عدم قطعیت در مسائل معکوس خطی
چکیده فارسی مقاله مسائل معکوس به فراوانی در علوم تجربی ظاهر می‌شوند، که شامل استنباط اطلاعات در مورد سامانه‌های فیزیکی از داده‌های اندازه‌گیری شده غیر مستقیم و حاوی نوفه است. اطلاعات در مورد خطای موجود در داده‌ها،  برای حل هر مسئله معکوسی ضروری است، در غیر این صورت بیان این مطلب که کدام مدل داده‌ها را به‌خوبی پیش‌بینی می‌‌کند،  ناممکن خواهد شد. در عمل، به ندرت تخمین مستقیمی از خطای موجود در داده‌ها در دست است. در این مقاله با ایجاد تعادل بین داده‌های پیش‌بینی شده و ساختار داده‌ها یا مدل، مشخصات نوفه بر پایه مدل به‌دست آمده برای یک مشاهده منفرد از داده‌ها تخمین زده می‌شود. آنگاه مشخصات به‌دست آمده برای ایجاد مجموعه‌ای از مدلهای معقول به کار برده می‌شود. در اثر تداخل مجموعه به‌دست آمده با مجموعه حاصل از اطلاعات اولیه در مورد پارامترهای مدل، مجموعه محدودتری از مدلها حاصل می‌شود که هم با داده‌ها و هم با اطلاعات اولیه موافق هستند. همچنین از این اطلاعات اولیه برای تعیین حدود انحراف مدل مورد استفاده قرار می‌شود. روشهای بیان شده بر روی داده‌های مصنوعی نیمرخ لرزه‌ای قائم نشان داده می‌شوند.
کلیدواژه‌های فارسی مقاله بازه‌های اطمینان، تحلیل خطا، معکوس سازی، منحنی L،
عنوان انگلیسی Optimally Uncertainty Estimation for Linear Inversion
چکیده انگلیسی مقاله         In experimental sciences we often need to solve inverse problems. That is, we want to obtain information about the internal structure of a physical system from indirect noisy observations. Information about the errors in the observations is essential to solve any inverse problem; otherwise it is impossible to say when a feature 'fits the data'. In practice, however, one seldom has a direct estimate of the data errors. Here, we exploit the trade-off between data prediction and model or data structure to determine model based estimates of the noise characteristics from a single realization of the data. Noise estimates are then used to characterize the set of reasonable models that fit the data. By intersecting set of prior model parameter constraints with the set of data fitting models, we obtain a set of models that fit the data and are in agreement with prior constraints. This prior information can also be used to set bounds on the bias. We illustrate our methods with a synthetic example of vertical seismic profiling (VSP).
کلیدواژه‌های انگلیسی مقاله Confidence intervals, Error analysis, Inversion, L-curve
نویسندگان مقاله علی غلامی |
مؤسسة ژئوفیزیک دانشگاه تهران، ایران.

عبدالرحیم جواهریان |
مؤسسة ژئوفیزیک دانشگاه تهران، ایران.

نشانی اینترنتی http://www.gsjournal.ir/article_58219_7af170a414f18fb96ab7dc63fed3a80d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-597255.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات