logo móvil
Contáctanos

Optimizando la Inversión Geofísica: Estrategias Versátiles de Regularización e Integración de Priors para Datos Tomográficos Eléctricos y Sísmicos

Autores: Penta de Peppo, Guido; Cercato, Michele; De Donno, Giorgio

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

Optimizando la Inversión Geofísica: Estrategias Versátiles de Regularización e Integración de Priors para Datos Tomográficos Eléctricos y Sísmicos


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Ciencias de la Tierra y Geología

Palabras clave

Demanda de imágenes subsuperficiales de alta resolución
Metodologías de inversión geofísica
Paquetes de software
Parámetros de regularización
Información previa
Inversión de datos tomográficos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 16

Citaciones: Sin citaciones


Descripción
La creciente demanda de imágenes subsuperficiales de alta resolución ha impulsado avances significativos en las metodologías de inversión geofísica. A pesar de la disponibilidad de varios paquetes de software para tomografía de resistividad eléctrica (ERT), polarización inducida en el dominio del tiempo (TDIP) y tomografía de refracción sísmica (SRT), siguen existiendo desafíos importantes en la selección de parámetros de regularización óptimos y en la incorporación efectiva de información previa en el proceso de inversión. En este estudio, proponemos nuevas estrategias para abordar estos problemas críticos mediante el desarrollo de herramientas versátiles y flexibles para la inversión de datos tomográficos eléctricos y sísmicos. Específicamente, introducimos dos procedimientos automatizados para la selección de parámetros de regularización: un método de bucle completo donde el parámetro de regularización se mantiene constante durante el proceso de inversión, y un enfoque de inversión única donde varía a lo largo de las iteraciones. Además, presentamos una nueva estrategia de inversión restringida que equilibra efectivamente la información previa, minimiza el desajuste de datos y promueve la suavidad del modelo. Este enfoque se compara exhaustivamente con los métodos de última generación, demostrando su superioridad en el mantenimiento de la fiabilidad del modelo y en la reducción de la dependencia de elecciones subjetivas del operador. Las aplicaciones a estudios de casos sintéticos, de laboratorio y del mundo real validan la eficacia de nuestras estrategias, mostrando su potencial para mejorar la robustez de los modelos geofísicos y estandarizar el proceso de inversión, asegurando su independencia de las decisiones del operador.

Otros recursos que podrían interesarte

Temas Virtualpro