Documente Academic
Documente Profesional
Documente Cultură
Semestre PRIMAVERA/2007
CONTENIDOS
MDULO I: Introduccin (~ 2.5 semanas)
MODULO 1: INTRODUCCIN
MDULO I.- Introduccin
Aplicaciones:
- marco regional
- isostasia
- geometra de cuencas
- reconocimiento de domos salinos
- geodesia
- etc.
MDULO I.- Introduccin
Aplicaciones:
- marco regional
- propiedades magnticas relleno/basamento
- caracterizacin de arcos magmticos
- geometra de cuencas
- etc.
MDULO I.- Introduccin
g = aceleracin de gravedad
U(P) = G M/R
(x,y,z) dv
U(P) = G dm/r = G
v
r
(x,y,z) ^
r
g(P) = -Grad. U(P) = G
v
r2
dv
MDULO I.- Introduccin
U = Ug + Ur (U Potencial Gravitacional)
Ug = Potencial Propio ; Ur = Potencial Rotacional
MDULO I.- Introduccin
1+0.00193185138639sin2
g() = 9.7803267714
(1-0.00669437999013sin2)1/2
Mareas:
- Dependen del tiempo y la latitud
- Perodo 12 hrs.
- Tablas
- Nunca > 0.3 mGal.
- Aprox. Lineal en perodos cortos 3 hrs.
gB = 0.04193 B h [mGal]
(h en metros, B en grs/cc)
- Como estimar B ?
MDULO I.- Introduccin
Correccin Topogrfica
(terrain correction)
- Mnimos Cuadrados
- Filtraje en Frecuencia
- Continuaciones Analticas
- etc.
Anomala Residual
MDULO I.- Introduccin
GRAVEDAD: Instrumental
La COSTE & RONBERG WORDEN
POZO TIERRA SCINTREX
TIERRA
Principio Fsico
Lacoste&Romberg
MDULO I.- Introduccin
AEREO
1
MARINO
m
G 0.1
SUBMARINO
A
l 0.01
TERRESTRE
POZO
ABSOLUTO
0.001
0.00001
1 10 100 1000 10,000 100,000
Ia
dIa
Anlogo a la atraccin entre dos masas
puntuales, consideremos la atraccin entre
r
dos loops de corriente continua, con
dIb
corrientes Ia e Ib respectivamente.
Ib
p
dI a (dI b r$)
df a = Cm I a I b
La fuerza actuando sobre un r2
pequeo elemento dIa del loop a, Fuerza de Lorentz
causada por la corriente en el
elemento dIb del loop b, estar
dada por la Fuerza de Lorentz. Cm es una constante de
proporcionalidad, anloga a
G = constante gravitacional
MDULO I.- Introduccin
dIb x r^
dBb = CmIb Y dfa = Ia dla x dBb
r2
,
dI b r$ Ley de Biot-Savart
B = Cm I b
r2
Para un dipolo:
A = p [ r 2
+ l 2
1
2 rl cos
r 2
+ l 2
1
+ 2 rl cos
]
2 l p cos lml cos
Si r>>l (campo lejano) A ~ =
r2 r2
En este caso:
lml
F~ [2cos r + sin ]
r3
En primera aproximacin, el campo terrestre puede ser considerado dipolar.
MDULO I.- Introduccin
M = kH
MDULO I.- Introduccin
- Colatitud ; Longitud
N
x
Fx Fh
D
E
Fy y
I
F
Fz
Recurrencia de Tormentas
Variaciones Seculares
(Semianual)
Y Variacin Diurna
Tormentas Mag.
Pulsaciones
Atmosfricas
Inversiones
Tiempo [s]
VARIACIONES CAMPO
MAGNETICO TERRESTRE
Externas:
periodicidad de 11 aos
variacin diurna ~ 30 nT
variacin lunar ~ 2 nT
tormentas solares
MDULO I.- Introduccin
VARIACIONES CAMPO
MAGNETICO TERRESTRE
Internas:
variaciones seculares (precesin)
[I=10/400 aos; D=35/400 aos]
[IGRF actualizacin cada 5 aos]
PARAMAGNETISMO: Momento
magntico neto positivo (susceptibilidad
magntica, k > 0)
d) Ferrimagnetismo: momento neto mayor que cero (la mayora de las rocas
magnetizadas en la naturaleza (magnetita, titanomagnetita, ox. fierro)
MDULO I.- Introduccin
MAGNETIZACION DE LAS ROCAS
FERROMAGNESIANOS: El grado
La solucin slida titanomagnetita de magnetizacin en las rocas se
es la familia de xidos de fierro puede expresar en un diagrama
mas importante en trminos de la triangular Fe-Ti-O,
magnetizacin de las rocas, a
mayor contenido de titaneo se
incrementa el tamao de grano y
disminuye la T. Curie => ulvo-
spinel no magntico a temperatura
ambiente, la magnetizacin
superior la alcanza la magnetita.
La solucin slida titanohematita
tiene el mismo comportamiento: al
aumentar el contenido de titaneo,
su valor extremo, hematita,
presenta una magnetizacin dbil
pero alta T. Curie por lo cual es
muy utilizada en estudios
paleomagneticos.
MDULO I.- Introduccin
SUSCEPTIBILIDA
D MAGNETICA
ROCAS Y
MINERALES
MDULO I.- Introduccin
MAGNETIZACION DE LAS
ROCAS: REMANENCIA
En presencia de un campo externo
variable, la magnetizacin de las
rocas puede contener una
magnetizacin remanente (Mr) que
es funcin de la historia de
magnetizacin a la cual ha estado
sometida la muestra. Esta
magnetizacin remanente puede
tener diversos orgenes pero en
trminos simples puede expresarse
como una componente vectorial neta
que presenta una angularidad
relativa con respecto a la
magnetizacin inducida por el campo
actual (Mt). La importancia relativa
de cada componente se expresa en el
RADIO DE KONIGSBERG : Q= Mr/Mt.
MDULO I.- Introduccin
MAGNETISMO: Instrumental
PRINCIPIO FISICO
MAGNETOMETROS DE PRECESION
MDULO I.- Introduccin
MAGNETISMO:
Instrumental
MDULO I.- Introduccin
ALCANCES
LIMITACIONES
APLICACIONES PRINCIPALES
En Diversos Ambientes Geolgicos
En Chile
RESOLUCIN RELATIVA
COSTOS RELATIVOS
(VOGELSANG, 1993)
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
SATELITAL (CONTINENTAL)
REGIONAL (MARINA-TERRESTRE)
LOCAL (EXPLORACION)
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
GRAVEDAD:
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
Gravedad Satelital,
Sandwell-Smith, 1997
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
GRAVEDAD
SATELITAL
SUD-
AMERICA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MAGNETISMO: MAGSAT
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MAGNETOMETRIA
SATELITAL:
PROYECTO
MAGSAT:
ATLANTICO
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MAGNETOMETRIA
SATELITAL: PROYECTO
MAGSAT: PACIFICO
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MAGNETOMETRIA
SATELITAL:
PROYECTO
MAGSAT:
MODELACION
PACIFICO
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
RESPUESTA
GRAVIMTRICA
EN DORSAL
OCEANICA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
Interpretacin tectnica
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
Interpretacin tectnica
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
Implicancias:
Reconstruccin de placas
Cinemtica
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
PROYECTO CONDOR:
MAGNETISMO EN CORTEZA
OCEANICA ASOCIADA A LA
COLISION DE LA DORSAL DE
JUAN FERNANDEZ
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
AREA DE
TRABAJO
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
RAW DATA
200
0
[nT]
-200
-400
0 20000 40000 60000 80000 100000 120000 140000 160000 180000 200000
A distance [m] A'
SYNTHETIC MODEL
0
[nT]
-200
-400
0 20000 40000 60000 80000 100000 120000 140000 160000 180000 200000
A distance [m] A'
16 17 Anomaly
18
500 m
ANALISIS
FLEXURAL
MEDIANTE LA
COMBINACION
DE GRAVEDAD Y
RELIEVE
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
EXPLORACION CARTA
MAGNETICA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
-0.2 -0.2
2.32 2.32
-0.3 -0.3
2.31 2.31
normalized depth]
normalized depth]
-0.4 -0.4
2.3
2.3
-0.5
-0.5
2.29
2.29 -0.6
-0.6
2.28
2.28 -0.7
-0.7 2.27
-0.8
2.27
-0.8 2.26
-0.9
-0.9 2.26
-1 2.25
0 0.2 0.4 0.6 0.8 1
-1 2.25 normalized distance
0 0.2 0.4 0.6 0.8 1
normalized distance
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
-0.33 -0.33
-100 -100
-0.34 -0.34
-200 -200
-0.35 -0.35
-300 -300
-0.36 -0.36
depth [m]
depth [m]
-400 -0.37 -400 -0.37
-0.38 -0.38
-500 -500
-0.39 -0.39
-600 -600
-0.4 -0.4
-700 -700
-0.41 -0.41
-800 -800
0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000
distance [m] distance [m]
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
700 -0 . 3 4
-0 . 3 5
600 -0 . 3 6
depth [m]
-0 . 3 7
500
-0 . 3 8
400 -0 . 3 9
-0 . 4
300
-0 . 4 1
COMPARACION
MODELO DE DENSIDAD
CON SECCION
ESTRUCTURAL EN
TEGUACHI
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
PAMPA DE
LIMON VERDE
GRAVEDAD:
cuenca de mas de 1000m
en flanco norte; sistema
estructural NS que
coincide con ramal de
falla oeste en sector
occidental
MAGNETISMO:
anomalas de mas alta
frecuencia asociada
a cuerpos mas someros;
anomala de baja frecuencia
sobre cuenca gravimetrica
(relleno magntico?)
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
DESCRIPCION
GEOFISICA
CANDELARIA
(MODELO TIPO)
CAMPO MAGNETICO
RTP
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MAGNETIZACION DE
LAS ROCAS
DURANTE LOS
EVENTOS
MAGMATICOS Y DE
ENRRIQUECIMIENTO
DURANTE EL
PERIODO QUIETO
DEL CRETACICO =>
MAGNETIZACION EN
LA DIRECCION DEL
CAMPO ACTUAL
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
ESTRATIGRAFIA Y ALTERACION
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MODELACION
MAGNETICA
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
EXPLORACION
BRASIL:
Ambientes de
borde cratnico
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
9200000
00
54
2
2
5
30
0
25572
25508 253 00
25473
25447
25428
25412
9190000
9190000
25395
25300
25378
25364
25
30
0
25354
25346
25342
25337
EXPLORACION
BRASIL: CAMPO
25331 25
500
2530
0
25
300
25324 25500
25317 24
9180000
9180000
9 0
0 0
0
3
2 5
80 0
24
25309
0
2530
2
5
0
MAGNETICO
00
25302
L12
25294 24
70
0 20
5
2
0
25100
25288
2 5200
0
0
2 4 6
0
2530
25281
25273
25264 25100
25
3
0
0
25254
25241
AMBIENTES
2
4
7
0
25228
9170000
9170000
0
25
200
25213
L2
0
0
253
24
90
0
25196
25
00
0
25
10
0
25
20
0
CRATNICOS DE
25181 2530
0
25163
0
2560
252 00
25143 25 60
0
2
5
4
0
0
L12
25114 00
25
6
25073
25018
24942
2
5
7
0
0
2
530
0
9160000
24842 6
00
GRAN CONTRASTE
25
0
50
24734 25
24552
L2
C.T. 2
55 0
0
[nT]
MAGNTICO
9150000
9150000
200
25
Scale 1:350000
25000
2 4
9
0
2 0
4
8
0
0
5000 0 5000
25
00
0
metres
25
70 0
00
2 56
9140000
9140000
00
255
200
CODELCO DO BRASIL
00 25
253
500
25
2530
0
00
252
225532 0 0
20 0
25400
00
256
5
4
0
0
2 5
2
0
PROYECTO GRADAUS
0
0
0
5
2 5
2
5
3
2
0
5
0
2
0
0
MAGNETOMETRIA AEREA
25100
MODULO 3: TEORIA DE
POTENCIAL
MDULO III.- TEORIA DE POTENCIAL
Campos
Campos
Los campos vectoriales pueden exprezarse en trminos de
las lneas de campo o lneas de flujo. Por ejemplo el campo
gravitacional: m
g ( P ) = G 2
r
r
MDULO III.- TEORIA DE POTENCIAL
Campos
Se puede desmostrar que si la funcin F es un campo
vectorial continuo entonces las lineas de campo se pueden
expresar como la integracin de las ecuaciones diferenciales:
dx dy dz
= =
Fx Fy Fz
Ejercicio: demostrar esta afirmacin
MDULO III.- TEORIA DE POTENCIAL
( E Eo ) = F vdt ' = F ds = W ( po , p1 )
to po
MDULO III.- TEORIA DE POTENCIAL
p1 x1
F ds = F dx = W (x , x )
po xo
o 1
W
Fx =
x
MDULO III.- TEORIA DE POTENCIAL
r W W W
F = , , = W
x y z
La derivada del trabajo en cualquier direccin es igual a la
componente de fuerza en esa direccin. En consecuencia
cualquier cualquier campo de fuerzas cuya funcin trabajo
tiene derivadas es un campo conservativo.
r
F =
Fuerzas de repulsin (electrosttica):
r
F =
El potencial se define como el trabajo efectuado para traer
una dada particula desde el infinito hasta su posicin actual:
P
= F ds
MDULO III.- TEORIA DE POTENCIAL
( x, y, z ) = constante
Funciones armonicas: Mas adelante veremos que la siguiente
ecuacin diferencial (de Laplace) tiene importantes
implicancias en la teoria de potencial. Esta ecuacin presenta
la siguiente forma:
=0
2
POTENCIAL: Consecuencias
En la presentacin anterior se definio la funcin potencial en
campos de fuerzas conservativos, ahora se revisara una serie
de caracteristicas que son fundamentales para el
tratamiento posterior de la teoria de potencial
Identidades de Green:
POTENCIAL: Consecuencias
R R
[
= V U + V U dv 2
]
R
U
R Adv = S A
n dS = S V U
n dS = V
S
n
dS
MDULO III.- TEORIA DE POTENCIAL
POTENCIAL: Consecuencias
Entonces se obtiene la primera identidad de Green:
[ ] U
V U + V U dv = V
2
dS
R S
n
Si la funcin U es armonica y V=1 (constante), entonces:
U
S n dS = 0
Si la funcin U es armonica el flujo nulo atravez de la
frontera implica la ausencia de fuente al interior del dominio:
MDULO III.- TEORIA DE POTENCIAL
POTENCIAL: Consecuencias
[ ] U
V U + V U dv = V
2
dS
R S
n
Si la funcin U es armonica y V=U, entonces:
U
R (U ) dv = S U n dS
2
POTENCIAL: Consecuencias
Segunda identidad de Green:
[ 2 2
] V U
R U V V U dv = S U n V n dS
Que corresponde a la Segunda identidad de Green:
MDULO III.- TEORIA DE POTENCIAL
POTENCIAL: Consecuencias
Tercera identidad de Green:
[U ] 1r 1 U
2 1
U dv = U
1 2
r dS
R
r r
S
n n
Se demuestra que al integrar c/r a Q se obtiene 3a Identidad
de Green:
1 U
2
1r 1 U
U ( P) = dv + U r dS
4 R r S
n n
MDULO III.- TEORIA DE POTENCIAL
POTENCIAL: Consecuencias
Tercera identidad de Green:
Si U es armnico:
1 1r 1 U
U ( P) = U
4 S n
r
n
dS
MDULO IV.- Modelacin directa
MODULO 4: MODELACION
DIRECTA
MDULO IV.- Modelacin directa
Gravedad
El potencial gravitatorio se define
como:
U ( P) = G dv
V
r
Tal que la aceleracin de
gravedad se puede escribir como:
g ( P ) = U = G 2
rdv
V
r
o en particular en direccin de z:
U
= G
( z z ')
g ( P ) = U =
z x'
y' z'
( x' , y ' , z ' )
r3
dx' dy ' dz '
MDULO IV.- Modelacin directa
Gravedad
Donde la distacia observador-
fuente r es:
r= ( x x ') + ( y y ') ( z z ')
2 2 2
A) PRISMAS RECTANGULARES
x2 y2 z2 z'
g = G (x' + y' + z ' ) dx' dy ' dz '
x1 y1 z1 2 2 2 3/ 2
MDULO IV.- Modelacin directa
Gravedad
A) PRISMAS RECTANGULARES
xi log(Rijk + y j )
xi y j
2 2 2
z k atan
g = G ijk z k Rijk
i =1 j =1 k =1
yi log(Rijk + x j )
Rijk = x + y + z ;
2
i
2
j
2
k ijk = ( 1) ( 1) ( 1)
i j k
MDULO IV.- Modelacin directa
Gravedad
B) LAMINAS DE PLANTA VARIABLE
dx' dy '
g = G z 'dz ' (x' + y' + z ' ) = G z '( z ' )dz '
2 2 2 3/ 2
z' x' y' z'
144424443
( z ')
MDULO IV.- Modelacin directa
Gravedad
B) LAMINAS DE PLANTA VARIABLE
La integral (z) se resuelve mediante una integracin de lnea
(teorema de Stokes):
A dl = ( A) nds
s
x'
A= ; dl = dy '
(y' + z ' ) (x' + y' + z ' )
2 2 2 2 2 1/ 2
MDULO IV.- Modelacin directa
Gravedad
B) LAMINAS DE PLANTA VARIABLE
M y m+1
x' dy '
( z ' ) = (y' + z ' )(x' + y' + z ' )
2 2 2 2 2 1/ 2
m =1 y m
MDULO IV.- Modelacin directa
Gravedad
B) LAMINAS DE PLANTA VARIABLE
Esta integral se resuelve para los M segmentos del permetro
de la planta del cuerpo para la profundidad z:
M
( z ' ) = [atan( m +1 ) atan( m )]
m =1
m =
(
z ' m ym m z ' 2
)
[( ) ] (
xm 1 + m2 z '2 + m2 m2 z '2 + m2 ) xm2 + ym2 + z '2
z ' ( y z ' 2
)
m +1 = m m +1 m
[(
xm +1 1 + m2 )z ' + ] (
2 2
m
2
m z '2 + m2 ) xm2 +1 + ym2 +1 + z '2
xm +1 xm xm ym +1 xm +1 ym
x' = m y '+ m ; m = ; m =
ym +1 ym ym +1 ym
MDULO IV.- Modelacin directa
Gravedad
B) LAMINAS DE PLANTA VARIABLE
Finalmente la integracin segn z se resuelve subdividiendo
el volumen en lminas de espesor dh a una profundidad hi:
M
g = Gh hn ( z ' , hn ) = hn [atan( m +1,n ) atan( m ,n )]
N N
n =1 n =1 m =1
MDULO IV.- Modelacin directa
Gravedad
C) MODELACION 2-D
+infinito en direccin y:
potencial logartmico), cuya
gravedad corresponde a:
Gravedad
C) MODELACION 2-D
Esta integral de superficie puede tambien expresarse como una
integral de lnea mediante la aplicacin del teorema de stokes:
N
n rn +1
g = 2G 2
log n ( n +1 n )
n =1 1 + n rn
xn +1 xn
x' = n z '+ n ; n = ; n = xn n z n
z n +1 z n
rn = xn2 + z n2 ; n = atan( z n / xn )
MDULO IV.- Modelacin directa
MAGNETISMO
P(x,y,z)
Potencial Magntico en cuerpo magnetizado
de forma arbitraria
Un cuerpo magnetizado de volumen M(x',y',z')
V puede ser discretizado en dipolos r
magnticos cuya distancia dipolar
sea considerablemente superior a la
distancia entre el punto de
observacin y la fuente. El potencial
V
magntico diferencial de cada dipolo
al interior del volumen V
En consecuencia el potencial
magntico de todo el volumen A(r ) = M (r ' ) ( r 1 r ' )dv'
V se expresa como: V
MDULO IV.- Modelacin directa
A(ro ) = M ( ro )
G ( ro ) U (Relacin de Poisson).
Gm
Fuerza gra vitacional F = = U U (r ) = Gm
r2
r
o bien para una distribucin en un volumen dado :
U (ro ) = G dm
r ro
= G dv
r ro
= G dv
r ro
(densidad constante)
v v v
MDULO IV.- Modelacin directa
Relacin de Poisson:
A(ro ) = M ( ro )
G ( ro ) U
1
A(r ) M (r ) dv
V r ro
1
H = A = M (r ) dv
s r ro
MDULO IV.- Modelacin directa
dv
M = M
H =
s
M (r )
r ro
H = H o + H , peroH << H o
A
T H = A =
H
= cos( I ) cos( D ) + cos( I ) sin ( D ) + sin ( I )
x y z
T
: direccin del campo magntico terrestre,
I , D : inclinaci n y declinacin del campo magntico
Ho
MDULO IV.- Modelacin directa
v
1
r ro dv
A ( ro ) = 2 M log ( r 1 r ) ds
o
s
A(ro ) = 2 M x log( r r )ds + z log( r r )ds
1 1
x s z s
o o
A(ro ) = 2 M x ds + z
d
2 ds
x z
2
r ro r ro
s s
E
X
MDULO IV.- Modelacin directa
A A
T = A(ro ) = x + z
x z
x x ds + z +
x z
ds
x s r ro r ro
T = 2 M
s
z x ds + z ds
x z
z s r ro
s
r ro
MDULO IV.- Modelacin directa
2 x z ds +
x x
z 2 x 2 ds +
r ro
4 z r ro
4
s s
T = 2 M
z x
s
2 x z ds +
r ro
4 z x 2 z 2 ds
r ro
4
s
T = 2 M { x [ xU xx + zU xz ] + z [ xU xz zU xx ]}
U xx =
s
z 2 x 2 ds;
r ro
4
U xz =
s
2 x z ds
r ro
4
MDULO IV.- Modelacin directa
x = x = cos(i ) cos(d )
z = z = sin(i )
[
U cos 2 (i ) cos 2 (d ) sin 2 (i )
T = 2 M xx
]+
2 U xz [cos(i ) cos(d ) sin(i )]
U xx =
s
z 2 x 2 ds;
r ro
4
U xz =
s
2 x z ds
r ro
4
MDULO IV.- Modelacin directa
[ [
z 2 ( x xo ) 2 2( x xo ) z
U xx = U xz =
] ]
ds; ds
2 2 2 2
( x xo ) 2 + z ( x xo ) 2 + z
s s
x=0 x
Para una geometra h
correspondiente a un dique vertical:
2d
z
MDULO IV.- Modelacin directa
x = d z =
[
2( x xo ) z
U xz =
]
dx dz
2 2
( x xo ) 2 + z
x = d z = h
Integrando c/r a z:
x=d
( x xo )
U xz =
[(x x ) +h ]
dx
2 2
o
x = d
Integrando c/r a x:
1
[ + d 1
U xz ( xo ) = log ( x xo )2 + h2 d = log
2 2
] ( d + xo ) 2
+
(d + xo )2 + h2
h 2
MDULO IV.- Modelacin directa
[
z 2 ( x xo ) 2
U xx =
]
dx dz
2 2
( x xo ) 2 + z
d h
Integrando c/r a x / z:
h h
U xx = arctan arctan
xo + d xo d
MDULO IV.- Modelacin directa
1 (d + xo ) 2 + h 2
U xz ( xo ) = log
2 ( d + xo ) 2 + h 2
4
U xz
2
U xx
0
-2
-4
-5000 -4000 -3000 -2000 -1000 0 1000 2000 3000 4000 5000
h h
0
U xx = arctan arctan
-1000 o
x d o
x + d
-2000
-5000 -4000 -3000 -2000 -1000 0 1000 2000 3000 4000 5000
MDULO IV.- Modelacin directa
Para variaciones
del ngulo de
inclinacin vemos
que la componente
par es mxima en
los polos y mnima
en el ecuador.
A su vez la
componente impar
es nula en los polos
y ecuador y dipolar
antisimtrica para
inclinaciones
positivas y
negativas
MDULO IV.- Modelacin directa
cos 2 (i ) cos 2 (d )
U xx +
T = 2 M sin 2 (i )
2 U xz [cos(i ) cos(d ) sin(i )]
MDULO IV.- Modelacin directa
segmento es equivalente a la X
modelacin de un dique 1
2
r1 A (X1, Z1)
horizontal: r2
B (X2, Z2)
[
U cos 2 (i ) cos 2 (d ) sin 2 (i )
Tl = 2 M xx
]+
2 U xz [cos(i ) cos(d ) sin(i )]
Z
MDULO IV.- Modelacin directa
[ [
z 2 ( x xo ) 2 2( x xo ) z
U xx = U xz =
] ]
ds; ds
2 2 2 2
( x xo ) 2 + z ( x xo ) 2 + z
s s
z ( x xo )
2 2 2( x xo ) z
U xx = U xz =
[(x x ) + z ] [(x x ) + z ]
dz dx dz dz
2 2 2 2 2 2
o
z1 c + m z
o
z1 c + m z
X
r2 r1
U xx = ( 2 1 ) sin( ) cos( ) sin( ) log
2 1
2
A (X1, Z1)
r1 r2
B (X2, Z2)
r2
U xz = ( 2 1 ) cos( ) sin( ) + sin( ) log
2
r1
z21 x21 2
z21 r2
U xz = ( 2 1 ) + log
2 2 2 2
x21 + z21 x21 + z 21 r1
Ttot = Tl
X
Z
MDULO IV.- Modelacin directa
DX=5M
DX=150 M
MDULO IV.- Modelacin directa
CUERPOS TRIDIMENSIONALES:
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
MODULO 5: ANALISIS
DOMINIO DE LAS
FRECUENCIAS
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
F(k) =
-
f(x)e-ikx dx k= 2/ Nmero de Onda
- Derivadas :
dn
FT[ f(x)] = (ik)nF(k)
dx n
Aliasing
Continuaciones Analticas
[U V V U]dv = [U V
2 2
n
- V U ]ds
n
R S
g(x,y,z)
- -
z
g(x,y,z) = dxdy
2 R3
Continuaciones Analticas
g(x,y,z)
- - -
-
z -i(kxx+kyy)
Fz(Kx,Ky) = [ 2 dxdy ] e dxdy
R3
Continuaciones Analticas
- -g(x,y,z) e
-i(kxx+kyy) z -i(kxx1+kyy1)
Fz(Kx,Ky) = dxdy e dx1dy1
2R3
- -
z - 1
Pero R3 = z R )
( propiedades y la TF(1/R) (Blakely, pp.271-273):
2 2
-lzl(kx+ky)1/2
Fz(Kx,Ky) = Fz(Kx,Ky) e Continuacin Hacia Arriba
2 2
|z|(kx+ky)1/2
Fz(Kx,Ky) = Fz(Kx,Ky) e Continuacin Hacia Abajo
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS:
CONTINUADO
1000M
ARRIBA
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS:
CONTINUADO
1000M ABAJO
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
OBSERVACION CONTINUACION
OBSERVACION 1000M ABAJO 1000M ABAJO
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
OBSERVACION CONTINUACION
OBSERVACION 1000M ABAJO 1000M ABAJO
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
Continuaciones Analticas
- Condiciones para la existencia de la antitransformada ?
- Aplicaciones de las Continuaciones Analticas
(,) r
D
1
(x,y,z) = 2
dS
r3
La geometra del problema se muestra
en la figura, y consiste en ubicar una
capa equivalente de dipolos entre la
superficie de observacin y las fuentes.
- El sistema ser mas estable mientras mas cerca est del nivel de
observacin (z mximo).
Derivadas
Vimos dentro de las propiedades de la FT:
dn
FT[ f(x)] = (ik)nFT(f(x))
dx n
En 2-D tendremos por lo tanto que (iKx)n e (iKy)n, son filtros que
transforman la funcin medida en sus derivadas espaciales respecto
a x e y respectivamente.
2f(x,y)
FT[ ] = (Kx2 + Ky2) FT[f(x,y)]
z2
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
Reduccin al Polo
La relacin de Poisson establece:
M M
A(r) = g = U(r)
G G
M 2
(1) T(r) = U(r) con T Campo mag. cuerpo anmalo
G t
Reduccin al Polo
Tomando FT a las ecuaciones (1) y (2) e igualando FT[U(r)],
obtenemos:
REDUCCION AL POLO
OBSERVACION REDUCCION AL
OBSERVACION I=90 POLO
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
1
FP() =
[icosIcos(D- )+sinI] [icosI0cos(D0- )+sinI0]
Reduccin al Ecuador
Tal como la Reduccin al Polo, la Reduccin al Ecuador puede ser
realizada como una transformacin lineal y puede ser usada como
una alternativa a la Reduccin al Polo en bajas latitudes
geomagnticas, donde sta presenta ciertas inestabilidades.
Seal Analtica
Corresponde a la envolvente de energa de las anomalas magnticas y
no depende de la direccin de magnetizacin de las fuentes.
Seal Analtica
Se define como:
dx
d nT 1
[ ]
n
== TF k
x
2
+ k 2
y TF T
dz n
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
h
2b
2a d
e << h
z c) Lmina Rectangular
b) Prisma Finito
s(L,M,N)
a) Prisma Infinito
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
El espectro de energa para estos cuerpos esta dado por las siguientes
relaciones :
sin2kxa sin2kyb
a) Ep.i.(r,) = 42S2e-2hr[R t()Rs()]
(kxa)2 (kyb)2
b) Ep.f.(r,) = Ep.i.(r,) (1-e-dr)2
Complicaciones prcticas ?
MDULO VI.- PROCESO DE DATOS
DOMINIO DE LA FRECUENCIA
continuaciones analticas
planos de derivadas
reduccin al polo
seal analtica
Ecuaciones
continuaciones analticas
(
Fz + z (k x , k y ) = Fz ( k x , k y ) exp z k x2 + k 2y )
planos de derivadas
dn
FT n f ( x) = (ik ) FT ( f ( x))
n
dx
MDULO VI.- PROCESO DE DATOS
Ecuaciones
reduccin al polo
[ ]
FT T polo ( x, y ) = FP (k x , k y ) FT (T ( x, y ))
k x2 + k 2y
FP (k x , k y ) =
[i(ak + bk )+ c(k
x y
2
x + ky ) ] [i(k
2 1/ 2
x (
+ k y ) + k + k y
2
x ) ]
2 1/ 2
seal analtica
(
AS ( x, y, z ) = T + T + T
x
2
y
2
z )
2 1/ 2
dT dT d 2T d 2T
Tx = ; Ty = ; Tz = 2
+ 2;
dx dy dx dy
MDULO VI.- PROCESO DE DATOS
Tratamiento numrico
Tratamiento numrico
Tratamiento numrico
Tratamiento numrico
Campo lnea(nuevo) =
Campo lnea(nuevo) =
Transformada de Fourier
ZZ_c=fft2(ZZ1,2*nf,2*nc);
MDULO VI.- PROCESO DE DATOS
plot(real(ZZ_c)) plot(imag(ZZ_c))
MDULO VI.- PROCESO DE DATOS
2) Definicin de filtro
Las frecuencias en la transformada de fourier
mapean el espectro en las siguientes frecuencias:
2 (i 1) NC 2 (i 1) NF
Kx = ; i = 1: +1 K = ; i = 1 : +1
NF dy
y
NC dx 2 2
2 (i 1) NC 2 (i 1) NF
Kx = ;i = + 2 : NC K y = ;i = + 2 : NF
NC dx 2 NF dy 2
iix=0:1:nc;
iiy=0:1:nf;
IIx=[iix -
fliplr(iix(2:length(iix)-1))];
IIy=[iiy -
fliplr(iiy(2:length(iiy)-1))];
[freqx,freqy]=
2*pi*meshgrid(IIx/(2*nc*dx),IIy/(2*nf*dx));
MDULO VI.- PROCESO DE DATOS
2) Definicin de filtro
Continuacin analtica:
(
z kx +k y )1 / 2
Fz ( k x , k y ) = Fz ' (k x , k y ) exp
filtro=exp(-h*sqrt(freqx.^2+freqy.^2));
Calculo de la anti-transformada
ZZ_cont1=real(ifft2(ZZ_c.*filtro,2*nf,2*nc));
ZZ_cont=ZZ_cont1(1:NF,1:NC);
MDULO VI.- PROCESO DE DATOS
dx
Considerando n=2 y la derivada segn z
2 2 2
d T d T d T
T =0= 2 + 2 + 2
2
dx dy dz
d 2T d 2T
d 2T
[ ]
2 = 2 + 2 = TF 1 (k x2 + k y2 ) TF [T ]
dz dx dy
filtro= (freqx.^2+freqy.^2);
Calculo de la anti-transformada
ZZ_cont1=real(ifft2(ZZ_c.*filtro,2*nf,2*nc));
ZZ_cont=ZZ_cont1(1:NF,1:NC);
MDULO VI.- PROCESO DE DATOS
[
Tpolo = TF 1 FP(k x , k y , l , m, n, L, M , N ) TF [T ] ]
k x2 + k y2
FP =
[i (lk x + mk y ) + n(k x2 + k y2 )1/ 2 ][i ( Lk x + Mk y ) + N (k x2 + k y2 )1/ 2 ]
freqz=sqrt(freqx.^2+freqy.^2);
freqz(1,1)=complex(1,0);
ang_I=ang_i*pi/180;ang_D=ang_d*pi/180;
l=cos(ang_I)*cos(ang_D);
m=cos(ang_I)*sin(ang_D);
n=sin(ang_I);
filtro_polo=((complex(0,l*freqy+m*freqx)+n*freqz).
*(complex(0,l*freqy+m*freqx)+n*freqz))./(freqz.^2+0.0001);
MDULO VI.- PROCESO DE DATOS
SA(T ) = + +
dx dy dz
dT
dx
= TF [i k x TF [T ]];
1 dT
dy
[ ]
= TF 1 i k y TF [T ]
dT
dz
[ ]
= TF 1 (k x2 + k y2 )1/ 2 TF [T ]
filtro_x=complex(0.,1.)*freqx;
filtro_y=complex(0.,1.)*freqy;
filtro_z=-(freqx.^2+freqy.^2);
MDULO VI.- PROCESO DE DATOS
SA(T ) = + +
dx dy dz
ZZ_x=real(ifft2(ZZ_c.*filtro_x,2*nf,2*nc));
ZZ_y=real(ifft2(ZZ_c.*filtro_y,2*nf,2*nc));
ZZ_z=real(ifft2(ZZ_c.*filtro_z,2*nf,2*nc));
ZZ_SA1=sqrt(ZZ_x.^2+ZZ_y.^2+ZZ_z.^2);
ZZ_SA=ZZ_SA1(1:NF,1:NC);
DESFASE
El desfase de una funcin f(t) es simplemente su representacin
en un dado tiempo k relativo al origen: f(t-k)
Fc
Fa =
a
MDULO VI.- PROCESO DE DATOS
1 t b
C (a, b) = s (t ) ( )dt
R a a
C (a, b) : coeficientes de transformada wavelet
s (t ) : seal
: funcin wavelet
a : escalamiento o dilatacin
b : desfase
La respectiva transformada inversa se expresa como:
1 1 t b dadb
s (t ) =
K R ' R C (a, b) a ( a ) a 2
MDULO VI.- PROCESO DE DATOS
dt = 0
R'
dt = 0, n = 0,1,... p
n
t
R'
MDULO VI.- PROCESO DE DATOS
2 1/ 4
( )
2
2 x2
( x) = 1 x e
3
x2
( x) = Ce 2
cos(5 x)
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Deteccin de tendencias
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Deteccin de discontinuidades
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Eliminacin de ruido
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Compresin de imagen: utilizando un 7% de la seal
aproximada se retiene un 97% de la energa original
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: The wavelet transform in
aeromagnetic processing, Smith & Dentith, Geophysics, 1999,
1003-1013
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Identification of sources of potential fields with
the continuous wavelet transform: Complex wavelets and application to aeromagnetic
profiles in French Guiana, Sailhac et al., Geophysics, 2001,
1 bx
W o = o ( x ) ( )dx
R
a a
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Identification of sources of potential fields with
the continuous wavelet transform: Complex wavelets and application to aeromagnetic
profiles in French Guiana, Sailhac et al., Geophysics, 2001,
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
( x x )2 ( z z )2 ( x xo ) ( z zo )
T ( x) = 2 cos(2 I ' ) 4 sin(2 I ' )
[ ] [ ]
o o
( x xo ) + ( z zo )
2 2 2
(x xo ) + (z zo )
2 2 2
tan( I )
tan( I ' ) =
cos( D + )
I : inclinacin; D : declinacin; : rumbo
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
2
sinI
W 1 T ( x, a ) = 4 a exp i 2 I ' [( x xo ) + i (a + zo )]
c
sinI '
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
Coeff.
wavelet
campo
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
En la figura anterior se
aprecia que los
coeficientes tienden a
converger a un valor de
a=-zo para la interseccin
de las dos funciones de
mximo en el dominio
[x,a]. Esta interseccin
puede ser calculada
numericamente tal cual se
aprecia en el diagrama
siguiente
MDULO VI.- PROCESO DE DATOS
APLICACIN DE WAVELETS
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
TEORIA BASICA
Modelacin directa
ma Directo
Proble
Modelacin inversa
Modelo m Datos d
Proble
ma Inverso
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
TEORIA BASICA
Modelo Datos d
verdadero M
me ion
s
P
tro
de es ema
ra ac
in r o b
p a ti m
so fere lem de ob l
ve bre nc a d Estimacion
Pr
rd m ias e
ad o de Modelo m
er d e
o lo
o
vers
Proble In
ma
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
TEORIA BASICA
Elementos de lgebra lineal
Notacin :
Letras maysculas itlicas negritas representan
matrices (A, B, C..).
TEORIA BASICA
Elementos de lgebra lineal
An ,1 An , 2 An , j An ,m
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Elementos de lgebra lineal
Ci , j = Ai ,k Bk , j = Ai ,k Bk , j
m
k =1
TEORIA BASICA
Elementos de lgebra lineal
A x = Ai ,k xk = Ai ,k xk
m
con i = 1, n
k =1
TEORIA BASICA
Elementos de lgebra lineal
Matriz diagonal:
x1 0 0 0
0 x2 0 0
diag ( x1 , x2 ,....., xn ) =
0 0 ... 0
0 0 0 xn
TEORIA BASICA
Norma de Vectores y matrices:
TEORIA BASICA
Norma de Vectores y matrices:
p
1/ p
x = xi , p > 1
n
1
Ejemplo
% determinacin de norma para vector x
% con p=1:9
clear all;
x=[1 2 3 4 20 4 7 1 9];
for i=1:9,
y(i)=norm(x,i);
end
plot(1:9,y);
xlabel('p');
ylabel('Lp');
title('Norma Lp ');
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Norma de Vectores y matrices:
1/ 2
A F =
n m
2
A = traza( AT
A) i =1
i=1
ij
j=1
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Dependencia e independencia lineal:
1 = 2 = 3 = = m = 0
TEORIA BASICA
Dependencia e independencia lineal:
Se define el rango (r) de una matriz Anxm, como el nmero de
vectores columna linealmente independientes. Este sub-espacio de
r vectores columna independientes es complementario al
subespacio nulo que es solucin de la siguiente relacin:
Ax=0,
TEORIA BASICA
Inversin de Matrices:
La inversa a la izquierda (B) de una matriz Anxm perteneciente al
espacio nxm, se define como:
BA=I (I: matriz unitaria),
A C = I.
Ax=y
TEORIA BASICA
Solucin de un sistema de ecuaciones lineales
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
E = eTe = (d G m)T (d G m)
E = d i Gij m j d i Gik mk
N M M
i j k
La minimizacin de la norma euclidiana de la discrepancia entre las
observaciones y el modelo compromete la minimizacin
independiente de cada parmetro mq, lo cual entrega un sistema de
M ecuaciones del tipo:
E
= 0 = 2 mk Giq Gik 2 Giq d i ,
M N N
q = 1, M
mq k i i
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
E = eTe = (d G m)T (d G m)
E = d i Gij m j d i Gik mk
N M M
i j k
La minimizacin de la norma euclidiana de la discrepancia entre las
observaciones y el modelo compromete la minimizacin
independiente de cada parmetro mq, lo cual entrega un sistema de
M ecuaciones del tipo:
E
= 0 = 2 mk Giq Gik 2 Giq d i ,
M N N
q = 1, M
mq k i i
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
GT G m GT d = 0
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
Matricialmente este sistema de ecuaciones corresponde a:
GT G m GT d = 0
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
1 1
2 2
. . 1 = . 1 1
G G =
T
. . ; G d =
T
.
m2 z1 z2 . . . z1 z2 . . .
. . . . . .
1 z N d N 1 z N d N
m1 i=1
m= = N i =1
N
m2 zi z i d i
N
zi
2
i=1 i =1 i=1
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
% ajuste de minimos cuadrados para
la ecuacin de una recta
% di=m1 + m2*zi
clear all;
z=[0 1 2 3 4 5 6 7 8 9 10];
d=[2 5 7 9 12 15 16 20 24 26 33]';
n=length(z);
g=[1 1 1 1 1 1 1 1 1 1 1;z]';
gtg=g'*g;
gtd=g'*d;
m=inv(gtg)*gtd;
d_mod=m(1)+m(2)*z;
plot(z,d,'*b',z,d_mod,'r');
xlabel('z');
ylabel('d'); m1 : 1.0000
title('minimos cuadrados ec. recta ');
m2 : 2.8727
grid on
print -djpeg -r200 fig1.jpg
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados
Si el sistema de
ecuaciones del problema
anterior se amplifica por
dos en el ultimo punto,
matemticamente el
sistema es equivalente:
g(11,:)=g(11,:)*2;
d(11)=d(11)*2;
z(11)=z(11)*2;
Variaciones en el sistema de ecuaciones
afectan directamente la mtrica del
Sin embargo la solucin
problema, produciendo soluciones diversas.
de mnimos cuadrados
La mtrica del sistema se preserva si la
entrega un resultado matriz (Q) de transformacin es ortogonal,
diferente: es decir si la transformacin lineal involucra
m1 : 0.3150 solamente una rotacin del sistema
m2 : 3.1011 coordenado.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
B. Problemas indeterminados
Como ya ha sido descrito, en problemas indeterminados existen
mas incgnitas que ecuaciones (n < m). En estas condiciones la
inversa generalizada es singular: det( Gg) = 0. En consecuencia no
existe una solucin nica al sistema de ecuaciones, en la prctica
existe una familia infinita de potenciales soluciones al sistema de
ecuaciones. Bajo estas condiciones es necesario incorporar
informacin externa al sistema de ecuaciones (informacin a priori),
que permita acotar la familia de potenciales soluciones.
Un ejemplo simple de problemas
indeterminados lo constituye la definicin de
una recta que pretende ser definida con una
sola observacin. Existen infinitas soluciones
a este problema, de hecho la inversa
generalizada del ejemplo anterior involucra
la inversin de la matriz cuadrada: 1
1 z1
z z12
1
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
B. Problemas indeterminados
El determinante de esta matriz es nulo, en consecuencia es una
matriz singular. Una forma de incorporar informacin a priori para
acotar la solucin de este problema no determinado es imponer que
la recta corta el origen. Bajo esta condicin el problema se resuelve
en forma completa. Existen variadas formas de imponer informacin
a priori, por ejemplo en la inversin gravimtrica se puede imponer
la condicin fsica de una densidad acotada en su limite superior e
inferior (0 y 3.3 gr/cc). Una forma de incorporar informacin a priori
en trminos formales consiste en asumir que la solucin del
problema inverso es simple, en donde la nocin de simplicidad es
cuantificada como una medida de la mtrica (euclidiana) de la
solucin L = mT m = mi. En ciertas circunstancias se puede
imponer que esta norma sea mnima, por ejemplo en problemas que
involucren consideraciones de mnima energa o masa mnima. Bajo
estas condiciones el problema original de minimizar el error en la
relacin lineal e = d G m, incorpora adems la condicin que la
norma L = mT m es mnima.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
B. Problemas indeterminados
Este problema es resuelto directamente utilizando los
multiplicadores de Lagrange (ver recuadro), de tal forma que se
minimiza la funcin
M
MULTIPLICADORES DE LAGRANGE
E E E E
dE + d = ( + )dx + ( + )dy = 0
x x y y
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
MULTIPLICADORES DE LAGRANGE
E E
( + ) = 0; ( + ) = 0; ( x, y ) = 0
x x y y
E q
j
+ j = 0; i = 1, M; (m) = 0; k = 1, q
mi j=1 mi
k
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
C. Problemas mixtos
TEORIA BASICA
C. Problemas mixtos
m = [G G + I ] G d
est T 2 1 T
TEORIA BASICA
Descomposicin en Valores singulares
Cuando una matriz A opera sobre un vector x normalmente produce
un cambio en la direccin de este, sin embargo si esta matriz A
simplemente escala al vector x, entonces se denomina a este vector
como un vector propio asociado al valor propio , tal que:
Ax=x
(A - I) x=0,
det(A - I) = 0.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Descomposicin en Valores singulares
TEORIA BASICA
Descomposicin en Valores singulares
v1
T
v T
2
0 p 0 :
= p
0
, tal que [u u
1 2
..u p
..u ]
n
0 v Tp
= U p
V
p p
T
0 0
:
v T
m
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Descomposicin en Valores singulares
TEORIA BASICA
Descomposicin en Valores singulares
m2 =
1.0000 2.0000 5.0000 20.0000
m3
1.0000 2.0000 6.0000 23.0000
clear all
La solucin de este G=[1 2 3;1 1.95 4; 1 2 5;1 2 6];
sistema de ecuaciones est m=[1 2 3]';
d=G*m;
dada por: [U,S,V]=svd(G); n=length(S(1,:));
figure(3)
[m1 m2 m3]T = [1 2 3]T for i=1:3,
ii=(i-1)*2+1;
subplot(3,2,ii),bar(U(1:length(G(:,1)),i));
La descomposicin en xlabel(strcat('valor propio:',num2str(floor(S(i,i)*100)/100)));
ylabel('U')
valores y vectores propios subplot(3,2,ii+1),bar(V(i,1:n));
del sistema de ecuaciones xlabel(strcat('valor propio: ',num2str(floor(S(i,i)*100)/100)));
ylabel('V')
anterior se formaliza en end
ambiente MATLAB: print -djpeg -r200 fig3.jpg
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Descomposicin en Valores singulares
m_est_3_0=V(:,1:3)*inv(S(1:3,1:3))*U(:,1:3)'*d
1.0000
= 2.0000
3.0000
m_est_2_0=V(:,1:2)*inv(S(1:2,1:2))*U(:,1:2)'*d
1.0076
= 1.9961
3.0000
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Descomposicin en Valores singulares
d(2)=d(2)*0.95;
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Descomposicin en Valores singulares
- 32.8000
m_est_3=V(:,1:3)*inv(S(1:3,1:3))*U(:,1:3)'*d = 18.9000
3.0000
G T ui = i vi
Gvi = i ui
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Elementos de probabilidades y estadstica
En la seccin anterior representamos las observaciones de un
determinado experimento como un vector d cuyos elementos
constituyen medidas individuales e independientes. Esta
caracterizacin de un grupo de observaciones es sin embargo una
sobre simplificacin del trabajo experimental y prctico en geofsica
como en cualquier otra disciplina cientfica en la cual las
observaciones estn contaminadas
por ruido. En consecuencia, si una
determinada observacin es
repetida varias veces cada
medida sera diferente (ver en
figura). La completa
caracterizacin de la observacin
requerir entonces reconocer el
rango y forma de esta dispersin,
que son en la prctica inherentes
al trabajo experimental.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Elementos de probabilidades y estadstica
TEORIA BASICA
Elementos de probabilidades y estadstica
P(d )d = 1
E ( d ) = d = d P ( d ) d
valor medio o esperado :
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Elementos de probabilidades y estadstica
En problemas geofsicos se mide en general una serie de
observaciones, y en consecuencia es necesario cuantificar la
probabilidad de un conjunto de variables aleatorias. La probabilidad
conjunta es la probabilidad de que el primer datos se encuentre en la
vecindad de d1, el segundo en la vecindad de d2, y as sucesivamente.
Si los datos son independientes, es decir si no existe un patrn de
ocurrencia comn a dos o mas observaciones, entonces la
probabilidad conjunta es simplemente el producto de las
distribuciones individuales:
TEORIA BASICA
Elementos de probabilidades y estadstica
En ciertos casos las observaciones estan
correlacionadas. En estos casos la
funcin de probabilidad conjunta tiende
a privilegiar ciertas combinaciones en
los datos. En el ejemplo de la figura, la
probabilidad conjunta aumenta ante la
presencia de valores altos de la variable
d2 y pequeos de la variable d1.
d i = d1 d 2 ... d i P(d )d n
valores medios o esperados:
TEORIA BASICA
Elementos de probabilidades y estadstica
La diagonal de la matriz de covarianza representa el ancho de la
distribucin multivariada, Los trminos fuera de la diagonal indican el
grado de correlacin entre pares de elementos.
TEORIA BASICA
Elementos de probabilidades y estadstica
Algunas funciones de probabilidad se describen a continuacin:
La correspondiente funcin de
distribucin es:
x < x >
x
TEORIA BASICA
Elementos de probabilidades y estadstica
Distribucin de Cauchy:
/
p(d ) =
+d
2 2
El parmetro controla el
ancho de la distribucin.
Distribucin lognormal:
1 d
2
1
P(d ) = exp 2 log
2d 2 2 d
La distribucin lognormal es
asimtrica con respecto al valor
medio.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Elementos de probabilidades y estadstica
-Distribuciones condicionales (Regla de Bayes):
TEORIA BASICA
Elementos de probabilidades y estadstica
-Distribuciones condicionales (Regla de Bayes):
TEORIA BASICA
Elementos de probabilidades y estadstica
-Distribuciones condicionales (Regla de Bayes):
TEORIA BASICA
Elementos de probabilidades y estadstica
-Distribuciones condicionales (Regla de Bayes):
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
E = [12 m] [cov(d )] [1
3 m] min imo
d G 3
T 1
d4 G4
1424 3 424
eT Wd e
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
ei2
Si la varianza es distinta para cada dato: E = 2 = , el peso del dato
i
de menor varianza es mayor.
i
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
-Inversin mediante el mtodo de Mxima Similitud:
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
-Inversin mediante el mtodo de Mxima Similitud:
- suavidad:
1 1 0 ... ... 0 m1
0
1 1 0 ... ... m1
0 0 1 1 ... ... m1
I = = Dm L = I I = m 1
T T T
D2 3
Dm
... ... ... ... ... ... ... Wm
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
-Inversin mediante el mtodo de Mxima Similitud:
- rugosidad:
1 2 1 ... ... 0 m1
0
1 2 1 ... ... m1
0 0 1 2 1 ... m1
I = = Dm L = I I = m 1
T T T
D2 3
Dm
... ... ... ... ... ... ... Wm
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
- Formulacin Bayesiana del problema inverso:
P(m d )
exp{ 2 [m m priori ] [cov(m)] [m m priori ]}
T 1
1
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
- Formulacin Bayesiana del problema inverso:
[ 1
2 ] [ 1
2
T
]
E = [d G m] Wd [d G m] + [m m priori ] Wm [m m priori ]
T
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
G1,1 G1, j G1,M
m1 ... m j ... mM
G2 ,1 G2 , 2
m1 m2 ... ... ...
donde Go = ... ... Gi , j
m j ... ...
... ... ... ... ...
GmN1,1 GN , j
... GmNM,M m = mo
... m j
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
mi+1 = mi + Gi Gi + d2
est est
m
en este caso el factor de amortiguamiento se ha expresado en
trminos de la razn entre las varianzas en las observaciones y los
parmetros.
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
244
m
3
i
min
]
amplio: ( nmero aleatorio:01 )
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
~ ( x) = a ( x)d
N
m i i
i =1
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
m 1i=1 44
i i
244 3 14243
i =1
i i
m( x ) = m j j
j =1
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
d i = Gi ( x) m j j ( x) dx + ei
N
i =1
i =1
o bien : d i = m j Ai , j + ei
N
i =1
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (corteza ocenica):
Ti = M j i , j
N
j =1
T1 1,1 1, 2 .. .. 1,N M 1
T 2 , 2 .. .. 2 ,N M 2
2 2 ,1
: = .. .. i ,i .. .. :
: .. .. .. .. .. :
TL L ,1 L , 2 .. .. L ,N M N
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (p. Ej. corteza ocenica):
M = [ T ] T T
1
i , j = 2R M i [cos I sin I ]
(x x )2
h2 2(x j xi )h
2 + [2 cos I sin I ]
((x j xi ) + h ) ((x j xi )2 + h 2 )2
2 2 2 j i
2 2
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (p. Ej. corteza ocenica):
[XI,XJ]=meshgrid(xi,xj); R4=((XJ-XI).^2+h*h).^2;
N1=(XJ-XI).^2-h*h; N2=2*(XJ-XI)*h;
func=2*pi*R*R*((fact1*N1./R4)+(fact2*N2./R4));
M_est=inv(func'*func)*func'*T;
subplot(3,1,3),plot(xi/1000,M,xi/1000,M_est,'.-');
title('magnetizacin'); print -djpeg -r200 fig4.jpg
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (p. Ej. corteza ocenica):
TT=T+(max(T)-
min(T))*0.01*random('Normal',0,0.5,length(xj),1);
figure(2)
subplot(3,1,1),plot(xj/1000,T,xj/1000,TT);
title('campo magnetico');
subplot(3,1,2),bar(xi/1000,M/500);
title('polaridad');
axis([-15 15 -2 2])
% inversion de parametros
M_est=inv(func'*func)*func'*TT;
subplot(3,1,3),plot(xi/1000,M,xi/1000,M_est,'.-');
title('magnetizacin');
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (p. Ej. corteza ocenica):
[U,S,V]=svd(func);
m_est_1=(V(:,1:30)*inv(S(1:30,1:30)
)*U(:,1:30)')*TT;
m_est_1=(V(:,1:20)*inv(S(1:20,1:20)
)*U(:,1:20)')*TT;
m_est_1=(V(:,1:10)*inv(S(1:10,1:10)
)*U(:,1:10)')*TT;
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
g i 2Ghi
gi x
hi
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
2G
rho=0.4
% contraste gr/cc
g = 0.00667;
% constante de gravitacion
fact=2*pi*g*rho
load datos_cuenca.dat;
x=datos_cuenca(:,1);
y=datos_cuenca(:,2);
g=datos_cuenca(:,3);
h=g/fact;
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
2G
hi hi
k k 1 [g iobs g ik 1 ] / 2
, k = 1, N
2G
hik : prof . estacin i en iteracin k
g ik 1 : grav. estacin i en iteracin k
Aplicando este algoritmo se obtiene:
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
Vemos que la solucin converge en forma progresiva hasta alcanzar
un buen ajuste en las observaciones y la profundidad.
El algoritmo anterior tiene la virtud de compensar la aproximacin de
una capa plana al calcular su efecto mediante un programa de
modelacin directa de 2-d (talwani), el cual va incorporando los
efectos de cada profundidad en los puntos aledaos.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: determinacin magnetizacin, profundidad
y ancho de dique magntico vertical
El efecto magntico de un dique vertical de espesor 2d y profundidad
h, orientado perpendicular al campo magntico esta dado por:
T = 2Fo = 2Fo {U xx xx + U xz xz }
2 U xz [cos(i ) cos(d ) sin(i )]
x=0
donde: x
h
h h
U xx ( x) = arctan arctan
xd x + d
2d
1 (d + x) + h 2 2
U xz ( x) = log
2 (d + x) 2 + h 2
z
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: determinacin magnetizacin, profundidad
y ancho de dique magntico vertical
Asumiendo conocida la inclinacin i, declinacin d, e intensidad del
campo magntico Fo, entoces los 3 parmetros a determinar son: el
espesor d, la profundidad h, y la susceptibilidad magntica k. De estos
parmetros solo la susceptibilidad magntica es lineal c/r al campo, y
en consecuencia el proceso de inversin exige una linealizacin de los
parmetros utilizando un desarrollo de Taylor:
i+1 i i
est est est
APLICACIONES
Problemas no-lineales: determinacin magnetizacin, profundidad
y ancho de dique magntico vertical
Para resolver este problema es necesario el determinar las derivadas
de la matriz Gi, este proceso puede llevarse a cabo en forma numrica
(teora de lmite) o en forma analtica si es posible. En este caso se ha
optado por utilizar la teora de lmite, de tal forma que las derivadas
con respecto a las incgnitas se expresan como:
Gi Ti Ti ( xi , + , h, d ) Ti ( xi , , h, d )
=
Gi Ti Ti ( xi , , h + h, d ) Ti ( xi , , h, d )
=
h h h
Gi Ti Ti ( xi , , h, d + d ) Ti ( xi , , h, d )
=
d d d
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: determinacin magnetizacin, profundidad
y ancho de dique magntico vertical
En el problema planteado estas derivadas corresponden a:
function[G]=mat_der(x,h,d,susc,f0
,inc,dec);
[T0]=campo_dique(x,h,d,susc,f0,i
nc,dec);
[T_h]=campo_dique(x,h*1.01,d,su
sc,f0,inc,dec);
[T_d]=campo_dique(x,h,d*1.01,su
sc,f0,inc,dec);
[T_susc]=campo_dique(x,h,d,susc
*1.01,f0,inc,dec);
G(:,1)=100*(T_susc'-T0')/susc;
G(:,2)=100*(T_h'-T0')/h;
G(:,3)=100*(T_d'-T0')/d;
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: (a) determinacin magnetizacin,
profundidad y ancho de dique magntico vertical
En consecuencia la inversin iterativa de los parmetros asociados al
dique corresponde a: [T]=campo_dique(x,h,d,susc,f0,inc,dec);
h1=h*1.2; d1=d/1.2; susc1=susc/1.2;
for l=1:5,
[T1]=campo_dique(x,h1,d1,susc1,f0,inc,dec);
[G1]=mat_der1(x,h1,d1,susc1,f0,inc,dec);
par=[susc1,h1,d1]'+inv(G1'*G1)*G1'*(T-T1)';
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Un tipo de solucin de problemas inversos en secciones 2-D es
resolver una distribucin de densidades en una malla regular en la
cual la geometra queda establecida y solo se desconoce la propiedad
fsica de cada celda:
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Esta solucin tiene la ventaja de una geometra fija en donde solo es
necesario resolver la propiedad fsica como una funcin lineal de una
geometra fija.
Sin embargo, para un problema as planteado la solucin esta
indeterminada porque el nmero de observaciones en superficie (np)
va a ser en general inferior al nmero de incgnitas (las nx*nz
densidades en la discretizacin del problema).
El problema tiene solucin si incorporamos informacin a priori sobre
alguna caracterstica de la distribucin de densidades, como por
ejemplo que la solucin sea compacta (que minimice el momento de
inercia, es decir que la solucin entregue cuerpos bien definidos y no
dominios de densidad con varios cuerpos pequeos distribuidos en
forma homognea en el espacio).
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Formalmente esta informacin a priori se establece mediante la
tcnica de multiplicadores de lagrange indeterminados en donde se
minimiza el funcional:
S ( p, g ) = Ap g + ( ) H ( p )
: norma euclidiana
: metrica asociada a la perturbacion de las observaciones
( ) : funcin determinada de : Ap g =
H ( p ) : informacin a priori
Esta ecuacin es equivalente a resolver:
min( H ( p )) ( p p o ) T W p ( p p o )
sujeto a : Ap g ( g A p ) T We ( g A p )
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
En estas ecuaciones Wp y We son matrices diagonales definidas y
positivas asociadas a los paremtros y datos respectivamente, p0 es
una solucin inicial al problema. Estas ecuaciones indican que se esta
resolviendo una minimizacin de la condicin a priori pero sujeta a
que los parmetros explique dentro de un nivel de incertidumbre las
observaciones g. Minimizando el funcional S(p,g) c/r a los
parmetros:
S ( p, g )
=0
p
p = p + W p A {A W p A + ( ) We
* o T 1 T
} (g A p )
1 1 o
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
La informacin a priori que condiciona la matriz diagonal Wp se
determina imponiendo una condicin de mnimo momento c/r a un
eje de referencia. El momento de inercia de todas las celdas se
expresa como:
I = p j j ( 2j + d j2 );
M
j =1
p +
p, j j p, j
j =1
j
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Como la densidad debe ser siempre positiva, la minimizacin de este
funcional para un tendiendo a cero es equivalente a minimizar el
momento de inercia, de tal forma que los coeficientes de la matriz Wp
corresponden a: 2 2
( + d )
w = j j j
p +
p, j
j
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Donde es la estimacin de la desviacin standard del ruido en las
0
2
APLICACIONES
Problemas no-lineales:
linealizacin de problemas sobre
determinados: minimizacin
de momento de inercia en
gravedad
Ejemplo de inversin: 1a
iteracin, (a): grav observada
(lnea continua) y calculada
(asteriscos); (b): error en el
ajuste; (c): modelo terico; (d)
modelo invertido
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Problemas no-lineales:
linealizacin de problemas sobre
determinados: minimizacin
de momento de inercia en
gravedad
Ejemplo de inversin: 6a
iteracin. Vemos que se produce
un mejor ajuste del modelo
terico, en el cual la solucin
tiende a concentrar las masas
segn los ejes de inercia
correspondientes a las
distribuciones reales de las
masas. Es interesante destacar
que la calidad del ajuste original
no se ve sustancialmente
mejorado: ambas soluciones
son equivalentes desde el punto
de vista del ajuste de los datos.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
En las secciones anteriores hemos estudiado problemas en los cuales
se asume una geometra del cuerpo anmalo determinada. En el
desarrollo siguiente veremos un par de mtodos que permiten la
obtencin de una solucin aproximada de los parmetros
fundamentales: profundidad a la fuente y determinacin de la
propiedad fsica asociada.
En este mtodo se considera que el basamento magntico tiene una
seccin transversal poligonal, como indica la figura:
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
La contribucin mayor a la anomala magntica total en la vecindad
del punto xo ser:
T ( x ) = 2 MC Im C I sen [cos ln R + sen ]
donde:
=I+I + m
( i + d )
2
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
Las derivadas horizontal y vertical de este vrtice y evaluadas en z=0
corresponden a:
T =
T
= 2 MC C sen
[ sen h + cos ( x x )] 0
z
z Im I
R 2
T =
T
= 2MC C sen
[sen ( x x ) + h cos ]
0
x
x Im I
R 2
Tz = Av
[ sen h + cos (x x )]
0
R2
Tx = Av
[sen ( x x0 ) + h cos ]
R2
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
De clases anteriores debemos recordar que las derivadas horizontal y
vertical del campo magntico constituyen un par de Hilbert, y en
consecuencia la derivada vertical puede ser evaluada a partir de la
derivada horizontal (de fcil evaluacin) de acuerdo a la siguiente
expresin:
T T
= H
z x
Que en el dominio de las frecuencias corresponde a:
T T
TF (k ) = i sgn (k ) TF (k )
z x
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
Si consideramos todos los vrtices que contribuyen a la anomala
observada en el punto xo, obtenemos una sumatoria de efectos de
similar tipo:
hn cos n + ( x x0 n )sen n
Tx ( x ) = An
N
tot
hn + ( x x0 n )
2 2
1
hn sin n + ( x x0 n ) cos n
Tz ( x ) = An
N
tot
hn + ( x x0 n )
2 2
1
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
TT(x) puede representar
x + x + x + x + + xT + T = Tx
1
4
2
3
3
2
4 5 6 7
2
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
De estos coeficientes interesa especialmente aquellos asociados a la
ubicacin del cuerpo xo y profundidad h: 6, 7:
= 2 x
6 o
= ( h + x )
7
2 2
o
xo = 6
; h = 7 6
2 4
Cabe hacer notar que otros parmetros relevantes en el proceso de
interpretacin (como por ejemplo la magnetizacin del cuerpo)
pueden tambin ser resueltos en este proceso de inversin al
descomponer los restantes coeficientes del sistema de ecuaciones
anterior.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
Generalmente se recorre el perfil de valores medidos de TT con una
ventana mvil, que debe tener al menos 7 puntos para poder calcular
las 7 incgnitas. La ventana puede ser mayor, y en ese caso se aplica
una regresin lineal. Los parmetros se obtienen con su error de
ajuste, y se puede designar un valor de tolerancia para aceptacin o
rechazo. En las incgnitas listadas, adems de la profundidad y
posicin del vrtice, se encuentran la magnetizacin, el campo
principal y los parmetros angulares de los vrtices. Las estimaciones
de estas variables son en general muy groseras, pero sirven de
control para la validez de la aplicabilidad del mtodo. Como TT puede
ser la derivada horizontal o vertical de la anomala, y tambin la
anomala misma, en cada ajuste (cada posicin de la ventana) se
pueden obtener por lo menos 3 estimaciones de h y x0.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
En el
ejemplo
siguiente se
ha invertido
la siguiente
secuencia de
diques
verticales:
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner
Se utilizo paso
de 1,2,4, y 8
intervalos de
muestreo.
Como la
magnetizacin
de los diques
es constante
solo aparecen
transiciones
bien marcadas
cuando hay
cambios de
relieve en el
basamento
magntico
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler
Una ltima metodologa de uso comn en la estimacin de la
profundidad a una determinada interfase con contraste geofsico en
los mtodos de potencial, lo constituye la deconvolucin de Euler. Al
igual que el mtodo de Werner esta tcnica es apropiada para una
primera estimacin de la profundidad al basamento (y tambin la
intensidad de la propiedad fsica muestreada) de grandes volmenes
de datos en donde no sea posible disponer de una caracterizacin
acabada de la fuente.
V V V
x +y +z = nV
x y z
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler
Se puede demostrar adems que derivadas direccionales de la
ecuacin de Euler son tambin homogneas, por ejemplo la deriva c/r
z de V:
V V V
z z z
x +y +z = (n + 1) V
x y z z
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler
Para datos de potencial Ti (ya sea gravedad o magnetismo) se cumple
en general la siguiente ecuacin de Euler:
Indice Cuerpo
n gravedad magnetismo
0 sill/dique contacto
0.5 cinta escaln
1 cilindro dique
2 esfera cilindro
3 esfera
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler
Considerando un conjunto de observaciones, cada una de ellas
cumple la ecuacin de Euler y en consecuencia puede ser
representada como un sistema de ecuaciones en el cual las incgnitas
corresponden a la ubicacin de la fuente causante de la anomala (x0,
y0, z0), eventualmente el ndice n:
T1 T1 T1 T1 T1 T1
x T + x + y + z
y z x y z
1 1 1 1
T2 .. .. xo T2 + x2 T 2
+ y2
T2
+ z2
T2
x y x y z
: = n
o
:
Ti Ti Ti zo Ti Ti Ti
Ti + xi + yi + zi
x y z x y z
Tn Tn Tn Tn Tn Tn
x T + x + y + z
y z n z
n n n
x y
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler
Este sistema de ecuaciones se resuelve de forma similar al esquema
propuesto para la deconvolucin de Werner: