Dalam masalah inversi, kita selalu berhubungan dengan perameter model (M) dan data (N); yang mana jumlah dari masing-masing akan menentukan klarisifikasi masalah inversi dan cara penyelesaiannya. Bila jumlah parameter model lebih sedikit dibandingkan dengan data observasi (M<N), maka permasalahan inversi ini disebut dengan overdetermain. Pada umumnya masalah ini diselesaikan dengan menggunakan pencocokan (best fit) terhadap data observasi. Dalam kondisis yang lain dimana jumlah parameter yang ingin dicari (M) lebih banyak dari pada jumlah data (N), maka masalah inversi ini disebut dengan underdetermined. Dalam kasus ini terdapat sekian banyak model yang dapat sesuai dengan kondisi datanya. Inilah yang disebut dengan masalah non-uniqness. Bagaimana cara untuk mendapatkan model yang paling mendekati kondisi bawah permukaan yang kita tinjau? Menurut meju, 1994 persoalaan ini dapat diselesaikan dengan menggunkan model yang parameternya berbentuk fungsi kontinu terhadap posisi. Kasusu ini terakhir adalah ketika jumlah data sama atau hampir sama dengan jumlah parameter model. Dan hal ini disebut dengan everdetermoned. pada kasusu ini model yang paling sederhana dapat di tinjau dengan mengggunkan metode inveris langsung.
Saya mencoba menunjukkan bagaimana teknik inversi yang dapat di applikasikan pada model garis, model parabola, dan model bidang. Uraian applikasi tersebut dimulai dengan ketersedian data observasi, jumlah parameter model(unknown parameters) mesti dicari dengan menggunakan teknik inversi.
No comments:
Post a Comment