Perpustakaan Digital ITB

Dalam dekade terakhir, banyak pekerjaan yang dilakukan pada resistivitas DC terutama terkonsentrasi pada teknik 2D dan 3D. Namun hasil inversi 1D sangat berguna dalam membangun model awal untuk interpretasi multidimensi. Oleh karena itu studi keunikan inversi 1D menjadi penting. Terdapat permasalahan yang dapat menyebabkan kesalahan estimasi parameter di susunan geologi kompleks, yaitu equivalence dan suppression. Tujuan dari penelitian ini adalah menganalisa performa standar FPA dan Variasi FPA yang terdiri dari Modified Flower Pollination Algorithm (MFPA), elitism Flower Pollination Algorithm (eFPA), Dimension by Dimension Improvement Flower Pollination Algorithm (DDIFPA) dan Flower Pollination Algorithm with Bee Polinator (BPFPA) untuk interpretasi kurva sounding schlumberger. Serta membuat variasi FPA untuk menyelesaikan permasalahan equivalence dan suppression. Data yang digunakan dalam penelitian ini adalah data sintetik yang mengandung noise dan bebas noise. Data lapangan juga digunakan untuk meneliti efisiensi program di data sebenarnya. Dibandingkan dengan program inversi DLSQR, PSO dan GWO, FPA dapat memperoleh hasil yang lebih akurat dan memberikan RMS eror yang lebih baik. Dibandingkan dengan MFPA, DDIFPA, BPFPA, and FPA, eFPA adalah satu-satunya algoritma yang dapat mencapai optimal global. Selain memiliki tingkat akurasi terbaik, eFPA juga memiliki stabilitas terbaik. Dalam kasus data lapangan, eFPA memiliki hasil yang sama dengan standar FPA yang lebih baik daripada IPI2Win berdasarkan RMS eror. Equivalence yang terkait dengan lapisan konduktif tipis dapat diselesaikan lebih baik daripada lapisan resistif tipis. Suppression yang terkait dengan model resistivitas yang menurun terhadap kedalaman dapat diselesaikan lebih baik daripada model resistivitas yang meningkat terhadap kedalaman.