Speaker
Description
В данном докладе рассматриваются вопросы разработки теории, алгоритмов, численных методов и программного комплекса для решения обратной задачи по совместному определению трёхмерных гравитационных и магнитных характеристик подземных геологических структур (например, распределений плотности вещества и его магнитной восприимчивости) с использованием совокупности экспериментальных данных гравиразведки и магниторазведки. Обсуждаются конкретные результаты инверсии таких потенциальных полей.
1. Проведены расчеты по определению толщины марсианской коры по топографическим и гравиметрическим данным с использованием построения S-аппроксимаций соответствующих сигналов (см. работу [1]).
2. С использованием разработанных методов обработаны реальные экспериментальные данные, полученные с помощью автоматической межпланетной станции MESSENGER (см. работу [2]).
3. С использованием алгоритма, основанного на преобразовании Фурье уравнений, связывающих поля и распределение их источников, обработаны реальные данные аэромагнитной съемки (см. работу [3]).
4. За счет совместного использования нейросетевых алгоритмов (см. работу [4]) и методов вариационной регуляризации Тихонова реализована обработка экспериментальных гравитационных данных в районе Эльбруса.
Исследование поддержано Российским научным фондом (проект RSF-NSFC 23-41-00002)
и Национальным естественнонаучным фондом Китая (гранты № 12261131494, 12171455).
Список литературы
1. Stepanova I.E., Yagola A.G., Lukyanenko D.V., Kolotov I.I. On constructing of magnetic and gravity images of Mercury from satellite data // Izvestiya. Physics of the Solid Earth. 2024. V. 60. No. 3. P. 441–458.
2. Kolotov I., Lukyanenko D., Stepanova I., Wang Y., Yagola A. Recovering the near-surface magnetic image of mercury from satellite observations // Remote Sensing. 2023. V. 15. No. 8, 2125.
3. Леонов А.С., Лукьяненко Д.В., Ягола А.Г. «Быстрый» алгоритм решения некоторых трехмерных обратных задач магнитометрии // Математическое моделирование. 2024. V. 36. No. 1. С. 41–58.
4. Bai Z., Wang Y., Wang C., Yu C., Lukyanenko D., Stepanova I., Yagola A. Joint gravity and magnetic inversion using CNNs’ deep learning // Remote Sensing. 2024. V. 16. No. 7, 115.
