مدل سازی دوبعدی غیرخطی داده های گرانی سنجی با استفاده از الگوریتم ژنتیک چند هدفه NSGA-II و روش هیبریدی NSGAII-TOPSIS

در اکتشافات نفت، تعیین بستر حوضه های رسوبی از اهمیت بسیار زیادی برخوردار است. مطالعه هندسه سنگ بستر و تهیه تصاویر دوبعدی از آن، مستلزم استفاده از محاسبات وارون غیرخطی است. الگوریتم های مورد استفاده شامل الگوریتم ژنتیک مرتب سازی نامغلوب (Non-dominated Sorting Genetic Algorithm-II) و روش هیبریدی NSGAII-TOSIS است که ابزاری مفید در محاسبات برآورد عمق به شمار می روند. الگوریتم ژنتیک مرتب سازی نامغلوب برای حل مسایلی با توابع هدف متعدد و بیشتر متعارض کاربرد دارد. این الگوریتم توانایی زیادی در حل مسایل چندهدفه نامقید دارد. روش هیبریدی الگوریتم NSGA-II با الگوریتم TOPSIS  می تواند جایگزینی برای روش های بهینه سازی در مدل سازی ژیوفیزیکی باشد. در این مطالعه جهت راستی آزمایی و صحت سنجی الگوریتم های به کار رفته، از داده های تولید شده با یک مدل مصنوعی فرضی و پیچیده استفاده شد. برای بررسی دقیق تر عملکرد این الگوریتم ها، داده های مصنوعی فرضی در دو حالت بدون نوفه و همراه با نوفه سفید گوسی تا 10 درصد مطالعه و بررسی شدند. نتایج مدل سازی با این الگوریتم ها تطابقی پذیرفتنی با مدل اولیه داشت. این نتایج حاکی از پایداری مناسب الگوریتم ها در برابر نوفه های سفید گوسی با دامنه های به نسبت زیاد است. با بررسی داده های واقعی مربوط به داده های گرانی سنجی حوضه مغان در شمال غرب ایران و صحرای آتاکاما در کشور شیلی، نتایج نشان دهنده عملکرد مناسب هر دو الگوریتم است.