Revista de Geología y Geofísica
Acceso abierto

abstracto

Enfoque novedoso para la inversión de resistividad 1D utilizando el número óptimo de capas determinado sistemáticamente

Ammar Alali, Frank Dale Morgan, Darrell Coles

Determinar el número correcto de capas como entrada para la inversión de resistividad 1D es importante para construir un modelo que represente el subsuelo con precisión. Los métodos comunes actuales para seleccionar el número de capas se realizan de una de tres maneras: mediante prueba y error y eligiendo el mejor ajuste de datos del modelo, mediante el uso de la prueba F modificada, la sobreparametrización suave o a través de transdimensional. parametrización del modelo. Aunque estos métodos son enfoques creativos, son computacionalmente costosos, así como lentos y laboriosos en la práctica. En este artículo, proporcionamos un método que resuelve el problema de elegir el número correcto de capas representadas por la curva de resistividad aparente. El método sigue el enfoque de dos pasos sugerido por Simms y Morgan (1992) para recuperar sistemáticamente el número óptimo de capas. El primer paso es ejecutar una inversión de espesor fijo utilizando una gran cantidad de capas en las que la cantidad de capas y los espesores de capa son fijos, y los valores de resistividad son parámetros de inversión. Luego sumamos acumulativamente el resultado de la primera inversión sobre la profundidad (el modelo de resistividad) para determinar el número óptimo de capas en función de los cambios de la pendiente. El número de capas detectado se utiliza como parámetro de entrada para el segundo paso; que ejecuta una inversión de espesor variable (los espesores de capa y las resistividades son parámetros de inversión) para el resultado, el modelo de resistividad final. Cada paso utiliza la inversión de mínimos cuadrados amortiguados de Ridge Trace. Los dos pasos de inversión están integrados para ejecutarse secuencialmente. El método determina todos los parámetros de inversión basados en los datos de manera autoconsistente. Este método propuesto utiliza un sólido algoritmo de regresión de trazas de crestas, que ha demostrado ser estable, preciso y al menos cien veces más rápido que los métodos actuales.