Este documento presenta los resultados de un examen final sobre Teoría de Inversión de Datos Geofísicos aplicado a un grupo de estudiantes. Incluye las definiciones teóricas de conceptos clave como teoría de inversión, problema directo, problema inverso y parámetro. También presenta ejemplos de problemas lineales y no lineales en geofísica. Por último, detalla tres ejercicios prácticos de inversión de datos gravimétricos y magnéticos usando métodos lineales y heurísticos.
0 calificaciones0% encontró este documento útil (0 votos)
143 vistas17 páginas
Este documento presenta los resultados de un examen final sobre Teoría de Inversión de Datos Geofísicos aplicado a un grupo de estudiantes. Incluye las definiciones teóricas de conceptos clave como teoría de inversión, problema directo, problema inverso y parámetro. También presenta ejemplos de problemas lineales y no lineales en geofísica. Por último, detalla tres ejercicios prácticos de inversión de datos gravimétricos y magnéticos usando métodos lineales y heurísticos.
Este documento presenta los resultados de un examen final sobre Teoría de Inversión de Datos Geofísicos aplicado a un grupo de estudiantes. Incluye las definiciones teóricas de conceptos clave como teoría de inversión, problema directo, problema inverso y parámetro. También presenta ejemplos de problemas lineales y no lineales en geofísica. Por último, detalla tres ejercicios prácticos de inversión de datos gravimétricos y magnéticos usando métodos lineales y heurísticos.
Este documento presenta los resultados de un examen final sobre Teoría de Inversión de Datos Geofísicos aplicado a un grupo de estudiantes. Incluye las definiciones teóricas de conceptos clave como teoría de inversión, problema directo, problema inverso y parámetro. También presenta ejemplos de problemas lineales y no lineales en geofísica. Por último, detalla tres ejercicios prácticos de inversión de datos gravimétricos y magnéticos usando métodos lineales y heurísticos.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 17
UNIVERSIDAD NACIONAL AUTNOMA DE MXICO
EXAMEN FINAL Inversin de Datos Geofsicos
Grupo 01. Prof. M. C. Mauricio Nava Flores
EQUIPO: LOS GORGONITAS.
Chavelas Lara Carlos Humberto Crespo Carrillo Pablo Garibay Morones Mariana Hernndez Velzquez Marcelo Jess Ponce Muoz Kimberley Simn Velzquez David
5 de junio, ao 2016
Parte Terica 1.- Definir lo ms detalladamente: a) Teora de Inversin Menke (1989) define a la Teora de Inversin como un conjunto de tcnicas matemticas y estadsticas que permiten obtener informacin til del mundo fsico a partir de inferencias logradas a travs de observaciones. La finalidad es encontrar un modelo que obtenga una repuesta similar a los valores reales medidos, bajo ciertas restricciones. En Geofsica, la Teora de Inversin debe proveer las herramientas necesarias para conocer la distribucin espacial de las propiedades de los materiales dentro de la tierra, basndose en medidas hechas en superficie. A su vez, se sabe que todo problema geofsico de inversin puede ser ms bien representado como un problema de optimizacin, esta idea parte de la observacin de que los problemas basados en mediciones reales nunca pueden tener soluciones nicas. (Parker, 1994) b) Problema directo Las teoras fsicas nos permiten realizar predicciones: dada una descripcin completa de un sistema fsico, podemos inferir el resultado de diferentes mediciones. A la actividad de inferir los resultados de dichas mediciones se le llama problema de modelado, problema de simulacin o problema directo. (Parker, 1994) En el problema directo conocemos los valores de los parmetros que rigen el comportamiento de un sistema fsico, y con estos podemos producir resultados. Estos problemas cuentan con la caracterstica de unicidad, es decir, que para un problema solo existe una nica solucin. Desde un punto de vista inocente, resolver un problema directo significa predecir valores libres de error a partir de parmetros observables corresponden a un modelo dado
que
. (Parker, 1994)
c) Problema inverso A partir de datos obtenidos se infieren resultados. Tarantola (2005) menciona que un problema inverso consiste en emplear resultados reales de algunas mediciones de parmetros observables para inferir los valores reales de los parmetros que caracterizan un sistema fsico.
La teora del problema inverso en su sentido ms amplio ha sido desarrollada
por los investigadores que trabajan con mtodos geofsicos. La razn es que dichos investigadores tratan de entender el interior de la Tierra slo a partir de datos obtenidos desde la superficie. Contrario al problema directo, el cual tiene una solucin nica, el problema inverso cuenta con muchas soluciones, debido a que se pueden tener muchas distribuciones de parmetros diferentes que generan el mismo resultado. Debido a esto, se debe ser explcito en cuanto a si se cuenta con informacin a priori del problema, y con esto acotar el conjunto de soluciones. d) Parmetro Son los valores que determinan y caracterizan a la fuente o al objeto de estudio. De igual manera se entienden como parmetros al conjunto de caractersticas fsicas que rigen el comportamiento de un sistema o fenmeno. En la Teora de Inversin, la resolucin del problema inverso prcticamente significa encontrar los parmetros, pues se cuenta con los datos de algn experimento, y se busca obtener modelos que generen respuestas parecidas a los datos observados; estos modelos se generan a partir de los parmetros calculados. En geofsica, usualmente se cuenta con aparatos que miden las propiedades fsicas de la tierra (datos observados), pero se desconocen los parmetros que producen las respuestas que leen los dispositivos. Al realizar la inversin y obtener los valores de los parmetros, nos podemos dar una idea de la litologa a la que nos enfrentamos en cada situacin. e) Datos Valores obtenidos del problema, se emplean para definir los parmetros. Los datos se pueden obtener de dos maneras: perturbando un medio y observar la respuesta de dicho medio a diferentes perturbaciones, o utilizando un dispositivo que mida cierto parmetro de un cuerpo o sistema. En inversin se emplean datos observados y datos calculados, y son la parte ms importante de cualquier mtodo de inversin, pues a partir de ellos se generan los modelos que se intentan acoplar al modelo real.
2.- Qu es un problema lineal? Citar tres ejemplos de problemas
lineales en geofsica. Un problema lineal difiere de otro tipo de problemas en que se puede realizar el modelo matemtico o la descripcin del problema mediante el uso de relaciones de lnea recta. Matemticamente, estas relaciones tienen la forma
donde ai y b son coeficientes conocidos, y las xi son variables desconocidas. El
planteamiento matemtico completo del problema lineal incluye un sistema de ecuaciones que representa las condiciones del problema y una funcin lineal que represente el objetivo del problema. En los problemas de inversin, se tiene el caso lineal cuando la ecuacin que resuelve el problema directo d=g(m) es lineal. En la realidad, es muy difcil encontrar ejemplos que sean completamente lineales, sin embargo, si se idealizan algunas situaciones, se pueden tener los siguientes ejemplos: *Temperatura en un pozo. *Propagacin de una onda en un medio homogneo. *Localizacin de un cuerpo esfrico que produce una anomala gravimtrica cuyo radio, profundidad y densidad son conocidos.
3.- Qu es un problema no lineal? Citar tres ejemplos de problemas
no lineales en geofsica. Por su parte, los problemas de inversin no lineales son aquellos en los que la ecuacin que resuelve el problema directo es una ecuacin de grado mayor a 1. En estos problemas, los parmetros m se encuentran elevados a una potencia mayor a 1, y en general tienen una forma y resolucin ms complejas que los problemas lineales. Ejemplos: *Dispersin de ondas acsticas. *Problema de inversin para encontrar el epicentro de un sismo. *Problema de inversin para encontrar un cuerpo que produce una anomala magntica.
4.- Demostrar las siguientes soluciones por mnimos cuadrados para
ajustar N observaciones con incertidumbre a los modelos dados:
5.- Demostrar las siguientes soluciones a travs de la bsqueda del
mnimo de la funcin objetivo dada (considerar que e=d-Gm):
Parte Prctica Ejercicio 1 El objetivo del ejercicio 1 es realizar la inversin de los datos gravimtricos sintticos con ruido aleatorio a partir de un modelo de tres cilindros horizontales con diferentes caractersticas. La inversin se debe realizar de dos formas, la primera utilizando mtodos lineales, y la segunda utilizando mtodos heursticos, esto con el fin de realizar observaciones y discutir cul tipo de inversin tiene mejores resultados para este caso. a) Mtodo lineal
Figura 1. Comparacin de los datos gravimtricos observados con los datos calculados con el mtodo lineal de Gauss-Newton con mnimos cuadrados amortiguados.
A continuacin se presentan los parmetros obtenidos con la inversin de este
Figura 2.Comparacin de los datos gravimtricos observados con los datos calculados con el mtodo heurstico Simulated Annealing, empleando una temperatura inicial de 10 para 999 iteraciones.
A continuacin se presentan los parmetros obtenidos con la inversin de este
modelo: Iteracin final: 999 Parmetros finales 1053.7398911384578 11.919223514989662 127.96925814667800 10.959013273404342 1169.2886956427913 18.528411329746810 303.43200097643887 22.656111859177773 -1038.2844970755057 4.91985359922788281 428.78492385594996 5.9231171767627799 Error: 0.095516079977838231 De manera visual, al comparar ambas grficas, observamos que el mtodo de Simulated Annealing genera mejores resultados que el mtodo de Gauss-Newton pues
la funcin del mtodo heurstico sigue en todo momento a los datos observados, mientras que el mtodo lineal tiene un pequeo desfase poco despus de los 400 [m]. Realizamos un anlisis estadstico y la comparacin del error entre los dos mtodos confirma esta conclusin.
Ejercicio 2 El objetivo del ejercicio 2 es realizar la inversin de un conjunto de datos magnticos sintticos con ruido aleatorio que representan el modelo de un cilindro vertical. La inversin se debe realizar a partir de ensambles de prismas 2D con dos mtodos: uno lineal y uno heurstico. Al final, se deben realizar observaciones y comparar los resultados de ambas inversiones. Mtodo heurstico
Figura 3.Comparacin de los datos magnticos observados con los datos calculados con el mtodo heurstico Simulated Annealing.
Lamentablemente, no pudimos plantear el problema para realizar la inversin
por el mtodo lineal, y como se puede observar en la imagen anterior, tampoco llegamos al resultado ptimo con el mtodo heurstico, esto debido a que las variaciones en la profundidad realizaban cambios muy extraos en los resultados; adems, de que no supimos si la magnetizacin dada era funcin de los prismas o del cilindro.
Ejercicio 3 El objetivo del ejercicio 3 es realizar la inversin de una malla de datos gravimtricos libre de ruido empleando un ensamble de prismas 3D utilizando la subrutina gbox de
Blakely (1996) con cualquier mtodo de inversin. En nuestro caso, aplicaremos un
mtodo heurstico (Simulated Annealing) pues nos pareci que tiene muchas ventajas con respecto a los mtodos lineales porque nos permite escapar de los mnimos locales en los que se encuentre el algoritmo, y a su vez, llega a la solucin ptima del problema. A partir de la inversin realizada se tiene que verificar la calidad de nuestro modelo a partir de un anlisis de residuales. Visualizacin del modelo invertido El resultado al que debemos llegar es el siguiente:
Figura 4. Vista en planta de los datos sintticos.
Figura 5. Modelo tridimensional de los datos sintticos.
Pero debido a la poca capacidad computacional con la que contamos,
llegamos a este resultado:
Figura 6. Vista en planta de los datos calculados mediante el mtodo heurstico de
Simulated Annealing, utilizando un arreglo de 5x5x5 prismas para 10 iteraciones con temperatura inicial de 60.
Figura 7. Modelo tridimensional de los datos calculados mediante el mtodo heurstico
de Simulated Annealing utilizando un arreglo de 5x5x5 prismas para 10 iteraciones con temperatura inicial de 60.
Opinamos que para lograr tener una mejor aproximacin es necesario
aumentar la cantidad de prismas y la cantidad de iteraciones, aunque esto significa un mayor tiempo de trabajo. Para reducir este tiempo sera ideal contar con un equipo ms potente, trabajando en un sistema operativo basado en UNIX, y con procesos en paralelo. Sin embargo, la programacin en paralelo en este tipo de programas se torna ms complicada debido a la presencia de condicionales que dificultan su adaptacin. Pese a no haber llegado al resultado esperado, creemos que el planteamiento del problema es el correcto ya que se aprecian las zonas delimitadas por los prismas, lo que refuerza nuestra teora de que se requieren aplicar ms iteraciones en el modelo de inversin.
Ejercicio 4 El ejercicio 4 contiene un sismograma sinttico que surge a partir de la convolucin de una ondcula de Ricker con ciertos coeficientes de reflexin. El objetivo de este ejercicio es realizar la inversin de los coeficientes de reflectividad del modelo para aproximar el sismograma sinttico.
Figura 8. Comparacin de los datos del sismograma sinttico observado con los datos calculados con el mtodo heurstico Simulated Annealing con temperatura inicial de 60 utilizando 998 iteraciones.
Iteracin final: 999
Coeficientes de reflexin para el modelo ptimo 1.8502428957789163 -3.9924219286220688 3.0878687182446161 -3.3218265399756777 -1.7885412382573529 2.4759763745491692 3.0639183137465836 Error: 0.26050068662053066
Fuentes y Referencias Menke, William. (2007). Geophysical Data Analysis: Discrete Inverse Theory. San Diego: Academic Press. Tarantola, Albert. (2005). Inverse Problems Theory and Methods for Model Parameter Estimation. Philadelphia: Society for Industrial and Applied Mathematics. Parker, Robert. (1994). Geophysical Inverse Theory. Nueva Jersey: Princeton University Press. Blakely, Richard. (1995). Potential Theory in Gravity and Magnetic Applications. Cambridge: Cambridge University Press.
