P Leo/P Befriko, R disini bukan Reflektifiti, tapi sembarang fungsi (hanya contoh saja).
Saya sedang membuat program joint inversi antara parameter seismik dan resistivitas. Hambatan yang saya temui adalah hubungan antara data (d) dan parameter model (m) non-linear. Sangat sulit untuk dipetakan hubungan antara d dan m melalui matrik Kernel (G) karena bukan merupakan penjumlahan antar parameter. Memang ada cara lain untuk memetakan hubungan antara m dan d pada permasalahan inversi non-linear melalui linearisasi dengan derat Taylor sehingga merubah matrik Kernel (G) menjadi matrik Jacobi (J) yaitu turunan parsial dari model yang ingin diestimasi (point ke-2 P Befriko). Akan tetapi untuk jumlah data yang sangat banyak menghitung matrik Jacobi dan memecahkan inversi melalui matrik tentu sangat beresiko. Selain waktu komputasi yang lama akibat pemakain memori sangat besar (untuk menyimpan data matrik) dan beresiko inversi matrik singulir, juga pemilihan parameter model harus dekat dengan solusi (karakterisasi inversi non-linear yang dipecahkan melalui linearisasi). Untuk mengatasi waktu komputasi dan keterbatasan memori maka ingin saya coba metode iteratif Newton seperti Steepest Descent dan Conjugate Gradient. Untuk permasalahan inversi linier tentu "mudah" karena matrik Kernel A dapat dihitung. Tetapi untuk non-linear kembali saya tidak dapat memetakan matrik Kernel A. Kemarin saya baru baca makalah tentang non-linear CG namun ternyata didalamnya masih terdapat penguraian turunan pertama dan kedua melalui deret Taylor. Pertanyaan lanjutannya sekarang adalah: 1. Adakah teknik penyelasaian masalah inversi tanpa linearisasi melalui deret Taylor? 2. Bagaimana trik untuk mendapatkan nilai awal model supaya tidak terjebak ke dalam minimum lokal? Terimakasih atas pencerahannya. Salam, HK ----- Original Message ---- From: Leonard Lisapaly <[EMAIL PROTECTED]> To: fogri@iagi.or.id Sent: Wednesday, May 16, 2007 11:20:56 AM Subject: RE: [fogri] Tanya masalah inversi <!-- _filtered {font-family:Tahoma;panose-1:2 11 6 4 3 5 4 4 2 4;} /* Style Definitions */ p.MsoNormal, li.MsoNormal, div.MsoNormal {margin:0in;margin-bottom:.0001pt;font-size:12.0pt;font-family:"Times New Roman";} a:link, span.MsoHyperlink {color:blue;text-decoration:underline;} a:visited, span.MsoHyperlinkFollowed {color:blue;text-decoration:underline;} span.EmailStyle17 {font-family:Arial;color:navy;} _filtered {margin:1.0in 1.25in 1.0in 1.25in;} div.Section1 {} --> Pak Hilfan, Apakah R di sini adalah reflectivity ? LL From: Befriko Murdianto [mailto:[EMAIL PROTECTED] Sent: Wednesday, May 16, 2007 10:15 AM To: fogri@iagi.or.id Subject: Re: [fogri] Tanya masalah inversi Pak Hilfan, Saya coba jawab sependek pengetahuan saya: 1. Bentuk persamaan d=G.m hanyalah bentuk umum dari sistem persamaan di geofisika yg umumnya bersifat over-determined dan dapat diselesaikan menggunakan least-squares. Solusi dari persamaan ini adalah yg memiliki harga kesalahan rata2 kuadrat (mean square error) minimum, yaitu e=||Gm-d||^2. Dalam metode inversi least squares, kita mencari kuadrat kesalahan kumulatif yg terkecil, sehingga G'G m=G' d. Persamaan ini disebut persamaan normal yg dapat diselesaikan dgn berbagai cara. Jika didefinisikan R=G' G, maka didapat harga m=inv(R) G' d. Invers dari R dapat diselesaikan dgn menghitung matriks invers (jika matriks R berbentuk Toepplitz), namun ada kalanya matriks R ini memiliki harga eigen yg mendekati nol, sehingga dapat menggunakan cara lain, misalnya Marquardt - Levenberg seperti yg disarankan Pak Leo. 2. Untuk kasus Pak Hilfan, dapat dihitung dulu matriks jacobi G, yaitu matriks yg dihasilkan dari turunan parsial persamaan R = ((Km-Kd)/Km)^2*(1/((Vp^2-Vs^2) -Kd)) terhadap masing2 parameter yg ingin diestimasi (Kd, Vp, Vs). Kemudian dapat dihitung harga m yg menentukan besarnya perubahan parameter untuk meng-update model kita. 3. Mungkin pakai polynomial fitting? Semoga membantu, bsm At 12:22 AM 5/14/2007, you wrote: Dear all, Keterbatasan akal saya menemukan permasalahan inversi seperti di bawah, mohon pencerahan dari rekan-rekan: 1. Dalam mendapatkan estimasi parameter model melalui iteratif seperti CG, perlu diturunkan matrik Kernel untuk menghitung besarnya langkah alpha. Bagaimana mendapatkan matrik ini apabila persamaan yang akan di inversi bukan linear dan bukan penjumlahan ? apakah bisa didekati dengan matrik Jacobi?. Dengan kata lain sangat susah untuk menjabarkan persamaan dalam bentuk matrik d = G.m Contoh persamaan : R = ((Km-Kd)/Km)^2*(1/((Vp^2-Vs^2) -Kd)) dan ingin diestimasi Kd, Vp dan Vs. 2. Untuk memecahkan inversi melalui iteratif perlu diketahui matrik kernel A. Apabila saya melakukan linerasisasi dahulu melalui penguraian deret Taylor lantas persolan berubah menjadi memecahkan harga delta model (delta m) dengan matrik Kernel berubah menjadi matrik Jacobi. Bolehkah setelah itu saya gunakan CG untuk memecahkan persoalan inversi? 3. Adakah cara lain untuk memecahkan inversi non-linear selain linearisasi melalui deret Taylor ? Terima kasih bantuannya. Hilfan Khairy It's here! Your new message! Get new email alerts with the free Yahoo! Toolbar. ____________________________________________________________________________________Pinpoint customers who are looking for what you sell. http://searchmarketing.yahoo.com/