Procesos numéricos involucrados en el tratamiento de los datos geofÃsicos
Incluye todos aquellos procesos numéricos involucrados en el tratamiento de los datos geofÃsicos. Los que utiliza el ICGC son: modelización, resolución del problema inverso, integración de datos geofÃsicos a partir de técnicas de análisis estadÃstico exploratorio (clusters o lógica difusa).
Modelización
También conocido como problema directo, la modelización o simulación geofÃsica es un proceso numérico que permite conocer la respuesta teórica del subsuelo.
Este proceso se utiliza para:
- conocer la influencia de la estructura del subsuelo bajo el efecto de un determinado estÃmulo (por ejemplo, inyección de corriente eléctrico, propagación de ondas sÃsmicas o electromagnéticas).
- optimizar la adquisición de los datos (diseño de la campaña de campo, capacidad de resolución, gastos económicos).
- mejorar la interpretación del modelo final.
- en el proceso de la inversión, para calcular la respuesta de cada nuevo modelo de manera iterativa.
Â
Problema inverso
Este proceso aporta una descripción del interior de la Tierra ajustando los datos medidos en superficie a un posible modelo del subsuelo terrestre.
Este proceso numérico presenta inconvenientes como:
- la no existencia.
- la no unicidad: imposibilidad de determinar una única solución para la existencia de un conjunto finito de datos, existe una amplia variedad de modelos que son compatibles con los datos medidos.
- la inestabilidad de la solución: problema mal condicionado, pequeñas variaciones en los datos pueden provocar grandes cambios en los parámetros que definen el modelo.
Para reducir estos problemas se introduce en el proceso de la inversión toda la información disponible a priori procedente de estudios geológicos y de otros métodos geofÃsicos.
Â
Integración de datos geofÃsicos
Es la principal lÃnea de trabajo para reducir la incertidumbre y ambigüedad en la interpretación de los modelos geofÃsicos. Este proceso se puede realizar de diferentes maneras:
- De forma indirecta. Superponiendo los modelos procedentes de métodos diferentes, buscando las caracterÃsticas en común y haciendo una interpretación conjunta de los resultados
Â
- De forma directa a través del análisis de clusters. Es una técnica de análisis estadÃstico exploratorio de datos para resolver problemas de clasificación. Su objetivo consiste en ordenar variables (parámetros fÃsicos) de manera que su grado de asociación/semejanza entre los miembros del mismo grupo sea más fuerte que el grado de asociación/semejanza entre los miembros de diferentes grupos. Dentro de esta técnica se puede optar por diferentes lÃneas de análisis como: fuzzy-logic, k-mean, ...
Â