Modelos de resistividad y profundidad de investigación a partir de inversión robusta de datos magnetotelúricos

Latorre Ramírez, Omar Felipe

Modelos de resistividad y profundidad de investigación a partir de inversión robusta de datos magnetotelúricos

dc.contributor.advisor	Khurama Velásquez, Sait
dc.contributor.advisor	Mantilla Figueroa, Luis Carlos
dc.contributor.author	Latorre Ramírez, Omar Felipe
dc.contributor.evaluator	Sánchez Aguilar, John Jairo
dc.contributor.evaluator	Flores Luna, Carlos Francisco
dc.date.accessioned	2023-05-29T02:36:05Z
dc.date.available	2023-05-29T02:36:05Z
dc.date.created	2023-05-19
dc.date.issued	2023-05-19
dc.description.abstract	Uno de los desafíos a lo largo de la historia en algoritmos de inversión geofísica es mejorar su eficiencia y obtener modelos con una mayor aproximación a la realidad, sin embargo, algunos son “algoritmos de caja negra”, es decir, no se puede entender su funcionamiento o no son fácilmente escalables, tarea en la cual trabajan investigadores que buscan desarrollar esta capacidad apoyados en las diferentes herramientas de inversión. En la presente tesis se analizaron los parámetros smallness αs y smoothness αx en la inversión no-lineal de datos magnetotelúricos, mediante la integración de códigos de inversión de fácil acceso utilizando las herramientas de la librería Simulation and parameter estimation in geophysics (SimPEG). En la primera etapa de evaluación se variaron los parámetros de los modelos sintéticos y se obtuvo resultados que permitieron evaluar la influencia en los modelos recuperados a partir de una inversión realizada con máximo 10 iteraciones, donde se consideró el análisis del error obtenido. En la segunda etapa se aplicó el algoritmo de inversión a los datos adquiridos en áreas relacionadas al Sistema Geotérmico de Paipa (Boyacá), los cuales fueron adquiridos con el equipo Stratagem de la Universidad Industrial de Santander, bajo las mismas consideraciones de los modelos sintéticos previamente evaluados. Y en la tercera etapa se realizó la inversión de los datos adquiridos en Paipa haciendo uso de la transformada de Bostick y el algoritmo de Occam; tanto los resultados obtenidos con SimPEG, como la transformada de Bostick y el algoritmo de Occam fueron comparados. Los modelos sintéticos 1D evaluados mediante SimPEG presentaron errores RMSE inferiores al 3%, lo que evidenció una buena integración de los algoritmos en la inversión, y así mismo dio una idea generalizada del punto de partida para la inversión de datos reales. El análisis preliminar de los modelos a partir de las 10 iteraciones arrojó que el RMSE tendía a ser mínimo cuando el parámetro smallness αs tendía a ser mínimo y el parámetro smoothness αx máximo. Se procedió a aumentar el número de iteraciones y evaluar el ajuste de los modelos sintéticos, basados en que la resistividad del medio es directamente proporcional a la profundidad máxima de investigación, sin embargo, este aumento evidenció anomalías de baja resistividad inexistentes en el modelo sintético original a pesar de presentar un mejor ajuste en la última capa. Hacer uso del criterio de la L-curve en la curva de Tikhonov permitió determinar un rango de iteraciones con una solución equilibrada entre los datos observados y un modelo de referencia. Finalmente, el código de inversión obtenido se caracteriza por la versatilidad para evaluar los resultados en múltiples modelos recuperados de manera gráfica que posteriormente serán analizados a partir de un contexto geológico determinado; brindando una herramienta adicional para futuros proyectos de investigación en la exploración de inversión de datos magnetotelúricos.
dc.description.abstractenglish	One of the challenges throughout history in geophysical inversion algorithms is to improve their efficiency and obtain models with a closer approximation to reality; however, some are "black box algorithms.and their functioning cannot be understood or are not easily scalable, a task in which researchers work to develop this capacity supported by the different investment tools. In this thesis, the parameters smallness αs and smoothness αx were analyzed in the non-linear inversion of magnetotelluric data; by integrating inversion codes easily accessible using the Python library Simulation and parameter estimation in geophysics (SimPEG). In the first stage of evaluation, the parameters of the synthetic models were varied, and the results obtained allowed evaluating the influence on the recovered models of an inversion made with a maximum of 10 iterations; the error result obtained was considered in the analysis. In the second stage, an inversion was made using the SimPEG algorithm and the data acquired in areas related to the Paipa Geothermal System (Boyacá), the data were acquired with the Stratagem instrument of the Industrial University of Santander; the resulting model was evaluated whit the same considerations as the synthetic models. And in the third stage, the inversion of the data acquired in Paipa was carried out using the Bostick transform and the Occam algorithm; the results obtained with SimPEG, the Bostick transform and the Occam algorithm were compared. The 1D synthetic models evaluated by SimPEG presented RMSE errors of less than 3%, which is a good integration of the algorithms in the inversion, and likewise gave a generalized idea of the starting point for the inversion of real data. The preliminary analysis of the models from 10 iterations indicated that the RMSE tended to be minimum when the parameter smallness αs tended to be minimum and the parameter smoothness αx maximun. A next step was increase the number of iterations and evaluate the fit of the synthetic models, based on the fact that the resistivity of the medium is directly proportional to the maximum depth of investigation; however, this increase displayed non-existent low resistivity anomalies in the original synthetic model, despite presenting a better fit in the last layer. Using the L-curve criterion in the Tikhonov curve allowed determine a range of iterations with a balanced solution between the observed data and a reference model. Finally, the inversion code its a versatile tool to evaluate the results from multiple models recovered graphically that have to be analyzed in a specific geological context; providing an additional tool for future research projects in the exploration of magnetotelluric reversal data.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Geofísica
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/14408
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ciencias
dc.publisher.program	Maestría en Geofísica
dc.publisher.school	Escuela de Física
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	SimPEG
dc.subject	Inversión geofísica
dc.subject	Resistividad
dc.subject.keyword	SimPEG
dc.subject.keyword	Geophysical Inversion
dc.subject.keyword	Skin Depth
dc.title	Modelos de resistividad y profundidad de investigación a partir de inversión robusta de datos magnetotelúricos
dc.title.english	Resistivity Models and Depth of Investigation from Inversion Magnetotelluric Data
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type