Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2714| Inversión bidimendional de datos magnetotelúricos y de sondeos eléctricos verticales mediante redes neuronales tipo Hopfield Inversión bidimendional de datos magnetotelúricos y de sondeos eléctricos verticales mediante redes neuronales tipo Hopfield | |
| Joel Eduardo Rodríguez Ramírez | |
| Enrique Gomez Treviño Francisco Javier Esparza Hernandez | |
| Acceso Abierto | |
| Atribución | |
| Prospección magnetotelúrica, Sondeos eléctricos verticales, Redes neuronales, Conductividad eléctrica | |
| Se desarrolla una técnica sencilla y robusta para interpretaciones magnetotelúricas bidimencionales, siguiendo la bien conocida transformación de Niblet-Bostick para perfiles unidimensionales. El algoritmo procesa impedancias magnetotelúricas serie y paralelo y sus funciones de influencia analíticas, usando una red neuronal artificial tipo Hopfield. La aproximación adaptiva de promedios ponderados preserva parte de la no linealidad del problema original. Aunque no se requiere un modelo inicial en el sentido convencional, el modelo considera automáticamente muchos semiespacios cuyas conductividades varían de acuerdo a los datos. El uso de impedancias serie y paralelo, un par de invariantes autocontenidos del sensor de impedancia, evita asi la necesidad de decidir cuales son los mejores ángulos de rotación para los modos tradicionales TE y TM. De esta forma datos de campo de un perfil dado, pueden ser alimentados directamente en el algoritmo sin necesidad de mucho procesamiento. Las soluciones obtenidas de la red neuronal corresponden a promedios espaciales calculados a traves de ventanas rectangulares que pueden ser escogidas a voluntad. Se presentan aplicaciones del algoritmo a modelos sintéticos simples en 2 y 3 dimensiones así como a los conjuntos de datos de prueba COPROD2 y BC87 que ilustran el desempeño de la aproximación. Para ilustrar la aplicación del método a problemas lineales, el algoritmo se aplica a la interpretación de sondeos eléctricos verticales en la modalidad de mediciones de corriente directa. A simple and robust imaging technique for two dimensional magnetotellitic interpretations is developed following the well known Niblett-Bostick transformation for one-dimensional profiles. The algorithm processes series and parallel magnetotelluric impedances and their analytical influence functions using a Hopfield artificial neural network. The adaptive, weighted average approximation preserves part of the nonlinearity of the original problem, yet no initial model in the usual sense is required for the recovery of a funtional model. Tather, the built-in relationship between model and data considers automatically all at the same time, many half spaces whose electrical conductivities vary according to the data. The use of series and parallel impedances, a selfcontained pair of invariants of the impedance tensor, avoids the need to decide on best angles of rotation for TE and TM separations. Field data from a given profile can thus be fed directly into the algorithmwithout much processing. The solutions offered by the Hopfield neural network correspond to spatial averages computed through rectangular wndows that can be chosen at will. Applications of the algorithmn to simple synthetic models in 2 and 3 dimensions and to the COPROD2 and BC87 field data sets as well, illustrate the performance of the approximation. To illustrate the application of the method to full nonlinear problems, the algorithm is applied to the interpretation of vertical electrical soundings using direct current resistivity measurements. | |
| CICESE | |
| 2005 | |
| Tesis de doctorado | |
| Español | |
| Rodríguez Ramírez, J. E.2005.Inversión bidimendional de datos magnetotelúricos y de sondeos eléctricos verticales mediante redes neuronales tipo Hopfield.Tesis de Doctorado en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.176 pp. | |
| CIENCIAS DE LA TIERRA Y DEL ESPACIO | |
| Aparece en las colecciones: | Tesis - Ciencias de la Tierra |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| 167241.pdf | 7.53 MB | Adobe PDF | Visualizar/Abrir |