Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2902| Inversión de sondeos eléctricos mediante redes neuronales Inversion of electrical soundings by neural networks | |
| Joel Eduardo Rodríguez Ramírez | |
| Francisco Javier Esparza Hernandez | |
| Acceso Abierto | |
| Atribución | |
| Inversión (Geofísica) | |
| En este trabajo se presenta un método de inversión de datos que utiliza redes neuronales artificiales (RNA). Los datos que se consideran son las resistividades aparentes obtenidas mediante el arreglo colineal Schlumberger y una distribución de resistividades del subsuelo representada por capas planas de resistividad constante. Mediante pruebas iniciales se encontró que el algoritmo numérico CASCOR es el más apropiado para que la RNA aprendiera el mapeo inverso. La fase de entrenamiento consistió en presentarle a Ia RNA como entrada curvas de resistividad aparente y como salida la distribución de resistividad eléctrica del subsuelo. Los modelos que se utilizaron en esta fase, consistieron de tres capas en los que se varió aleatoriamente Ia resistividad eléctrica de la segunda y tercer capa, así como el espesor de la primera y segunda capa. Para la primer RNA entrenada se consideraron modelos de los cuatro tipos: A, K, H y Q. También se consideraron RNA entrenadas con modelos pertenecientes a cada uno de los cuatro tipos de modelos. Mediante un análisis del aprendizaje de cada red, se concluyó que la RNA aprendió más fácilmente los modelos escalonados ascendentes y descendentes. Los modelos escalonados con un mínimo o con un máximo fueron mejor asimilados por la RNA especializada. La parte de aplicación del algoritmo incluye pruebas con: modelos sintéticos de los cuatro tipos con y sin ruido aleatorio en los datos, un modelo sintético de cuatro capas y un modelo sintético de variación parabólica. Para la aplicación del método a datos reales se utilizaron datos provenientes de la región agrícola de Maneadero, B.C., en este caso el modelo estimado por la RNA concuerda bien con una interpretación de los datos hecha con anterioridad. Los modelos encontrados con el algoritmo de RNA muestran bastante similitud con los calculados mediante el algoritmo iterativo de la navaja de Occam. In this work I present a method of inversion which uses artificial neural networks (ANN). The data under consideration are the apparent resistivity obtained by means of a co-linear Schlumberger array, considering a horizontally stratified model with homogeneous electric resistivities. It was found during initial testing that the numerical algorithm CASCOR is the most appropriate ANN in order for the inverse mapping to be learned. The learning phase consists in presenting to the ANN, pairs of apparent resistivity and electric resistivity of the sub-soil. The models which where used in this phase corresponds to three layer models in which the electric resistivities of the second and third layer were randomly varied, the thickness of the first and second layer were varied randomly as well. In the first ANN trained four models of the kind A, K, H and Q were considered. ANN trained with sets corresponding to every kind of model, were trained as well. It was concluded by means of a learning analysis in each net, that the ANN learned more easily the ascendant and descendent step models. The models with a maximum and a minimum were best assimilated by specialized ANN. The application part of the algorithm includes tests in; synthetic models of the four kinds, with and without random noise in the data, a four layer synthetic model and a parabolic variation synthetic model. In applying the method to real data, an electrical sounding from a farmer region in Maneadero, B.C. was considered, the ANN model is in agreement with a prior interpretation of the data. The models founded with the ANN algorithm shows a remarkable similitude with the ones calculated by means of Occam’s razor, an iterative algorithm. | |
| CICESE | |
| 1998 | |
| Tesis de maestría | |
| Español | |
| Rodríguez Ramírez, J. E. 1998.Inversión de sondeos eléctricos mediante redes neuronales. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 86 pp. | |
| CIENCIAS DE LA TIERRA Y DEL ESPACIO | |
| Aparece en las colecciones: | Tesis - Ciencias de la Tierra |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| 119921.pdf | 15.57 MB | Adobe PDF | Visualizar/Abrir |