Métodos avanzados de inversión conjunta y fusión de datos multifísicos

Título original:

Advanced Methods of Joint Inversion and Fusion of Multiphysics Data

Contenido del libro:

Diferentes métodos físicos o geofísicos proporcionan información sobre las propiedades físicas distintivas de los objetos, por ejemplo, las formaciones rocosas y la mineralización. En muchos casos, esta información es mutuamente complementaria, por lo que resulta natural considerarla en una inversión conjunta de los datos multifísicos. La inversión de los datos observados para un experimento concreto está sujeta a una incertidumbre y ambigüedad considerables. Un enfoque productivo para reducir la incertidumbre consiste en invertir conjuntamente varios tipos de datos. La no unicidad también puede reducirse incorporando información adicional derivada del conocimiento a priori disponible sobre el objetivo para reducir el espacio de búsqueda de la solución. Esta información adicional puede incorporarse en forma de inversión conjunta de datos multifísicos.

Sin embargo, los métodos de inversión conjunta generalmente establecidos son inadecuados para incorporar la complejidad física o geológica típica. Por ejemplo, las correlaciones analíticas, empíricas o estadísticas entre diferentes propiedades físicas pueden existir sólo para una parte del modelo, y su forma específica puede ser desconocida. Las características o estructuras presentes en los datos de un método físico pueden no estar presentes en los datos generados por otro método físico o no ser igualmente resolubles.

Este libro presenta e ilustra varios enfoques nuevos y avanzados de inversión conjunta y fusión de datos, que no requieren un conocimiento a priori de relaciones empíricas o estadísticas específicas entre los distintos parámetros del modelo o sus atributos. Estos enfoques incluyen, entre otros, los siguientes métodos novedosos 1) el método Gramian, que refuerza la correlación entre los distintos parámetros; 2) estabilizadores funcionales de variación total conjunta o de enfoque conjunto, por ejemplo, restricciones de soporte mínimo y soporte de gradiente mínimo; 3) fusión de datos empleando un estabilizador de entropía mínima conjunta, que produce la solución multifísica más simple que se ajusta a los datos multimodales. Además, el libro describe los principios del uso de la inteligencia artificial (IA) en la resolución de problemas inversos multifísicos. El libro también presenta en detalle tanto los principios matemáticos de estos enfoques avanzados para la inversión conjunta de datos multifísicos como casos de éxito de estudios geofísicos a escala regional y a escala de yacimiento para ilustrar sus ventajas indicadas.