Geological realism in hydrogeological and geophysical inverse modeling: A review

کنجکاوی علمی، کاوش ژئواسترالیا و نگرانی های زیست محیطی، جامعه پژوهشی ژئوسنیک را به تحقیقات زیربنایی پیچیدگی در حال افزایش تبدیل می کند. این بررسی روش های مختلفی را برای فرموله کردن و حل مشکلات معکوس به شیوه ای که مفاهیم زمین شناسی را به طور مفصل با داده های ژئوفیزیک و هیدروژئولوژیکی ادغام می کند، بررسی می کند. الگوریتم های شبیه سازی ژئواستاتسیستی مدرن می توانند چندین مفاهیم زیر را که با مدل های مفهومی زمین شناسی سازگار هستند، تولید کنند و فیزیک سنگی آماری را می توان برای ارزیابی این مفاهیم به خواص فیزیکی که توسط داده های ژئوفیزیک یا هیدروژئولوژیکی شناخته شده است، مورد استفاده قرار می دهد. مشکل معکوس این است که یافتن یک یا مجموعه ای از این مفاهیم زیرزمینی که با داده ها سازگار است. چارچوب کلی معکوس در حال حاضر اغلب به صورت محاسباتی در هنگام مقابله با مشکلات بزرگ مورد استفاده قرار می گیرد و برای بهتر درک مفاهیم ساده سازی (1) مدل زمین شناسی مفهومی (به عنوان مثال، با استفاده از فشرده سازی مدل) ضروری است. (2) مشکل روحی فیزیکی (به عنوان مثال، با استفاده از مدلهای پروکسی)؛ و (3) الگوریتم مورد استفاده برای حل مشکل معکوس (به عنوان مثال، مونت کارلو زنجیره مارکوف یا روش های بهینه سازی محلی) برای رسیدن به راه حل های عملی و قوی با استفاده از منابع و دانش رایج امروز. ما همچنین نیاز به استفاده از داده های ژئوفیزیک و هیدروژئولوژیکی برای اهداف ارزیابی پارامتر را نشان می دهیم، بلکه از آنها برای استفاده از سناریو های زمین شناسی جایگزین استفاده می شود.