Pengembangan Teknik Regularization Pada Delay Time Tomography

Abstract

Tomografi memiliki skala persamaan yang sangat besar atau bisa disebut large-scale problem. Hal ini membuat matriks pada inversi menjadi ill-condition, sehingga dibutuhkan regularization untuk menghasilkan solusi yang stabil. Salah satu cara melakukan regularization ini adalah dengan memakai package bernama IR Tools (Gazzola et al, 2018) pada perangkat lunak Matlab. Regularization sendiri dilakukan dengan mengurangi atau meminimalisir ukuran data dan ruang model. Sehingga regularization mengubah ill-posed problem menjadi well-posed dan memberikan solusi yang unik. Dengan memanfaatkan persamaan acak untuk merepresentasikan persamaan tomografi seismik, dapat dipilih metode regularization terbaik dengan melihat kestablian solusi inversinya. Berdasarkan analisis berbagai metode regularization pada IR Tools, Modified Residual Norm Steepest Descent dinilai cukup stabil untuk diterapkan pada tomografi. Setelah diterapkan pada coding tomografi menggunakan data source dan receiver sintetik dan dibandingkan dengan metode yang umum digunakan pada inversi yaitu Least Square, didapat bahwa metode Modified Residual Norm Steepest Descent memiliki nilai yang lebih stabil untuk hasil inversinya.