បញ្ហា (The Problem)៖ អត្ថបទស្រាវជ្រាវនេះដោះស្រាយបញ្ហាក្នុងការកំណត់ជម្រៅ និងរចនាសម្ព័ន្ធភូមិសាស្ត្រក្រោមដី តាមរយៈការបកស្រាយទិន្នន័យដែនម៉ាញ៉េទិច (Magnetic field data) ដោយប្រើប្រាស់វិធីសាស្ត្រប្រែត្រឡប់មិនលីនេអ៊ែរ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើតកម្មវិធីកុំព្យូទ័រដោយប្រើប្រាស់កម្មវិធី Matlab ដើម្បីអនុវត្តក្បួនដោះស្រាយការប្រែត្រឡប់ទៅលើទិន្នន័យគំរូ និងទិន្នន័យជាក់ស្តែង។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| 2D Ridge-Regression Inversion (Proposed) ការប្រែត្រឡប់ 2D ដោយប្រើក្បួនដោះស្រាយ Ridge-Regression (វិធីសាស្ត្រស្នើឡើង) |
មានល្បឿនលឿន ចំណាយតិច និងអាចទប់ទល់នឹងសំឡេងរំខានទិន្នន័យ (Noise) រហូតដល់ 20% ដោយរក្សាបាននូវភាពត្រឹមត្រូវខ្ពស់។ វាដោះស្រាយបញ្ហាអស្ថិរភាពគណិតវិទ្យាបានល្អជាងវិធីសាស្ត្រ Least-Squares ធម្មតា។ | ទាមទារឱ្យមានការកំណត់តម្លៃប៉ារ៉ាម៉ែត្រដំបូង (Initial guess) ឱ្យបានប្រហាក់ប្រហែល និងនៅមានកម្រិតត្រឹមការវិភាគជាទម្រង់ 2D ប៉ុណ្ណោះ។ | បានកាត់បន្ថយកំហុស RMS error ពី 44.95 មកត្រឹម 13.67 nT និងប៉ាន់ស្មានជម្រៅបាតអាងល្បាប់យ៉ាងជោគជ័យពី 800m ដល់ជាង 3400m។ |
| Seismic Exploration Method ការស្ទាបស្ទង់ដោយប្រើរលករញ្ជួយដី (វិធីសាស្ត្រប្រៀបធៀប) |
ផ្តល់រូបភាពរចនាសម្ព័ន្ធក្រោមដីបានយ៉ាងលម្អិត ច្បាស់លាស់ និងមានភាពជឿជាក់ខ្ពស់បំផុត។ | ទាមទារការចំណាយថវិកាច្រើនខ្លាំង ចំណាយពេលយូរក្នុងការវាស់វែងផ្ទាល់នៅទីវាល និងដំណើរការទិន្នន័យ។ | ប្រើជាទិន្នន័យគោល (Benchmark) ដែលបញ្ជាក់ថាវិធីសាស្ត្រ Ridge-Regression ផ្តល់លទ្ធផលជម្រៅបាតអាងស្របគ្នាយ៉ាងល្អទៅនឹងទិន្នន័យរញ្ជួយដី។ |
| Standard/Linear Least-Squares Inversion ការប្រែត្រឡប់ Least-Squares លីនេអ៊ែរទូទៅ |
ជាទ្រឹស្តីមូលដ្ឋានដែលងាយយល់ និងមានលក្ខណៈស្ថិតិល្អសម្រាប់ការវិភាគទិន្នន័យទូទៅ។ | ងាយនឹងជួបបញ្ហាបែកចេញ (Divergence) ឬភាពមិនអាចដោះស្រាយបាន (Ill-posed problems) នៅពេលទិន្នន័យមានភាពស្មុគស្មាញឬខ្វះខាត។ | មិនអាចផ្តល់ចម្លើយដែលមានស្ថិរភាពសម្រាប់បញ្ហាមិនលីនេអ៊ែរស្មុគស្មាញ (Non-linear problems) បើធៀបនឹងការបន្ថែម Damping factor ក្នុង Ridge-Regression។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារចំណេះដឹងកម្រិតខ្ពស់ផ្នែកសរសេរកូដ និងធនធានកុំព្យូទ័រជាមូលដ្ឋានសម្រាប់ដំណើរការក្បួនដោះស្រាយគណិតវិទ្យា។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីអាងល្បាប់ Moghan នៅភាគពាយ័ព្យប្រទេសអ៊ីរ៉ង់ ដែលមានលក្ខណៈភូមិសាស្ត្រជាក់លាក់នៃតំបន់ប្រេងកាតជិតសមុទ្រកាសព្យែន។ សម្រាប់ប្រទេសកម្ពុជា ការយកម៉ូដែលនេះមកអនុវត្តត្រូវមានការប្រុងប្រយ័ត្ន ដោយសារទម្រង់សិលា និងកម្រាស់ដីល្បាប់នៅកម្ពុជា (ឧទាហរណ៍៖ ទន្លេសាប) មានលក្ខណៈខុសប្លែកគ្នា ដែលតម្រូវឱ្យមានការកែតម្រូវប៉ារ៉ាម៉ែត្រ (Parameters susceptibility) ជាថ្មី។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់និងស័ក្តិសមបំផុតសម្រាប់កម្ពុជា ពិសេសក្នុងដំណាក់កាលបឋមនៃការរុករកធនធានធម្មជាតិ។
សរុបមក ក្បួនដោះស្រាយ Ridge-Regression គឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាព ចំណាយតិច និងផ្តល់លទ្ធផលវិទ្យាសាស្ត្រគួរឱ្យទុកចិត្ត សម្រាប់ជំរុញវិស័យរុករករ៉ែ និងប្រេងកាតនៅប្រទេសកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Inverse modeling | ដំណើរការគណិតវិទ្យាដែលប្រើប្រាស់ទិន្នន័យដែលបានវាស់វែងនៅលើផ្ទៃដី ដើម្បីបង្កើតរូបភាព ឬទស្សន៍ទាយពីរចនាសម្ព័ន្ធភូមិសាស្ត្រ និងជម្រៅនៃស្រទាប់ថ្មនៅក្រោមដី។ | ដូចជាការមើលស្រមោលនៅលើជញ្ជាំង ដើម្បីទាយថាតើវត្ថុដែលបាំងពន្លឺនោះមានរូបរាង និងទំហំប៉ុនណា។ |
| Forward modeling | ការប្រើប្រាស់រូបមន្តគណិតវិទ្យាដើម្បីគណនា និងប៉ាន់ស្មានលទ្ធផលទិន្នន័យដែនម៉ាញ៉េទិច ដោយផ្អែកលើទម្រង់គំរូនៃរចនាសម្ព័ន្ធក្រោមដីដែលយើងបានសន្មតទុកជាមុន។ | ដូចជាការយកវត្ថុមួយទៅដាក់មុខពន្លឺ រួចគណនាទុកជាមុនថាវានឹងបង្កើតបានជាស្រមោលរាងបែបណា។ |
| Ridge Regression | ជាបច្ចេកទេសគណិតវិទ្យាក្នុងការកែតម្រូវតម្លៃប៉ារ៉ាម៉ែត្រ (Damping factor) ដើម្បីដោះស្រាយបញ្ហាអស្ថិរភាពនៅពេលប្រែត្រឡប់ទិន្នន័យ (Inversion) ដែលជួយឱ្យការទស្សន៍ទាយកាន់តែមានភាពត្រឹមត្រូវ ទោះបីជាមានទិន្នន័យរំខាន (Noise) ក៏ដោយ។ | ដូចជាការបន្ថែមទម្ងន់ទៅលើជើងកាមេរ៉ាដើម្បីកុំឱ្យវាញ័រ ពេលយើងថតរូបក្នុងស្ថានភាពខ្យល់បក់ខ្លាំង។ |
| Total magnetic field (TMF) | ជាកម្លាំងម៉ាញ៉េទិចសរុបដែលបានវាស់វែងនៅទីតាំងមួយ ដោយរួមបញ្ចូលទាំងដែនម៉ាញ៉េទិចផែនដី និងដែនម៉ាញ៉េទិចដែលបង្កើតឡើងដោយលក្ខណៈសិលានៅក្រោមដីនៃតំបន់នោះ។ | ដូចជាការស្តាប់សំឡេងសរុបនៅក្នុងបន្ទប់ ដែលមានទាំងសំឡេងកង្ហារ (ធម្មជាតិ) និងសំឡេងមនុស្សនិយាយ (វត្ថុគោលដៅ) បញ្ចូលគ្នា។ |
| Sedimentary basin | ជាតំបន់ទំនាបនៅលើសំបកផែនដីដែលមានការកកកុញនៃដីល្បាប់ក្នុងរយៈពេលរាប់លានឆ្នាំ ដែលជាទូទៅជាទីតាំងមានសក្តានុពលសម្រាប់ផ្ទុកធនធានប្រេងកាត និងឧស្ម័នធម្មជាតិ។ | ដូចជាចានគោមដ៏ធំមួយដែលផ្ទុកទៅដោយស្រទាប់ភក់ និងខ្សាច់ដែលហូរមកកកកុញត្រួតលើគ្នាអស់កាលដ៏យូរ។ |
| Least-squares method | វិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើដើម្បីរកបន្ទាត់ ឬទម្រង់គំរូដែលស័ក្តិសមបំផុតជាមួយទិន្នន័យ ដោយការព្យាយាមកាត់បន្ថយផលបូកនៃការ៉េនៃគម្លាតកំហុស (Residuals) រវាងទិន្នន័យជាក់ស្តែង និងទិន្នន័យគណនា។ | ដូចជាការព្យាយាមគូសបន្ទាត់ត្រង់មួយនៅកណ្តាលហ្វូងចំណុចជាច្រើន ដោយធ្វើឱ្យគម្លាតពីបន្ទាត់ទៅចំណុចនីមួយៗមានកម្រិតទាបបំផុត។ |
| Gaussian noise | ជាប្រភេទនៃភាពមិនប្រក្រតី ឬសំឡេងរំខាននៅក្នុងទិន្នន័យ (Data variations) ដែលកើតឡើងដោយចៃដន្យ និងមានទម្រង់របាយជារាងកណ្តឹង (Normal distribution) ដែលអាចធ្វើឱ្យការបកស្រាយទិន្នន័យមានកំហុស។ | ដូចជាស្នាមអុចៗ ឬភាពព្រាលៗនៅលើកញ្ចក់ទូរទស្សន៍ជំនាន់ចាស់ ដែលរំខានដល់ការមើលរូបភាពពិតប្រាកដ។ |
| Jacobian matrix | ម៉ាទ្រីសនៅក្នុងគណិតវិទ្យាដែលប្រមូលផ្តុំនូវដេរីវេផ្នែក (Partial derivatives) ទាំងអស់នៃអនុគមន៍ ដែលវាស់ស្ទង់ថាតើលទ្ធផលទិន្នន័យនឹងផ្លាស់ប្តូរប៉ុនណា ប្រសិនបើយើងផ្លាស់ប្តូរតម្លៃប៉ារ៉ាម៉ែត្រនៃរចនាសម្ព័ន្ធក្រោមដីបន្តិចបន្តួច។ | ដូចជាតារាងមួយដែលប្រាប់យើងថា បើយើងបង្វិលប៊ូតុងវ៉ូលីមនីមួយៗលើវិទ្យុបន្តិច តើសំឡេងនឹងប្រែប្រួលយ៉ាងដូចម្តេចខ្លះ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
