FirstBreak

InterpretationUsing
GeneralizedLinear
Inversion
DanHampsonandBrianRussell

MaraVirginiaMason
Octubre2008

INDICE GENERAL

Introduccin........ 3
Modelado de Refraccin iterativo .. 4
Teora de Inversin Lineal.. 6
Ejemplo sinttico 9
Ejemplo de datos reales . 11
Conclusiones. 16

Octubre 2008

First Break Interpretation using GLI M.V.Mason

FIRST-BREAK INTERPRETATION USING GENERALIZED LINEAR

INVERSION
DAN HAMPSON and BRIAN RUSSELL

RESUMEN
Desde los primeros tiempos del mtodo ssmico se han realizado varias
investigaciones acerca de la obtencin de informacin detallada de las capas ms
superficiales a partir de refracciones en registros ssmicos. Esta informacin es utilizada
para calcular valores iniciales de estticas para los datos ssmicos.
En este trabajo, se usa la redundancia que presenta un CDP shooting para realzar la
exactitud de la solucin y reducir el efecto de errores en el picado. El usuario ingresa un
modelo inicial de subsuelo, normalmente consistente de un nmero de capas planas con
velocidad constante. Luego el modelo es actualizado iterativamente mediante un
algoritmo de inversin lineal generalizada (GLI) de manera tal de reducir la diferencia
entre los tiempos observados para los primeros arribos y los calculados a partir del
modelo. Los tiempos del modelo son calculados mediante trazado de rayos. Dos
ventajas del algoritmo de GLI por sobre otros anteriores son: 1) la redundancia de los
tiempos observados reduce la sensibilidad de la solucin ante errores de picado, y 2) la
respuesta final est obligada a permanecer razonablemente cerca del modelo
geolgico inicial.
Este trabajo est dividido en cuatro partes. En la primera, se describe el
procedimiento en forma conceptual. En la segunda, se analiza detalladamente la teora
del algoritmo. En la tercera, se muestran resultados que demuestran la convergencia del
mtodo a travs de varias iteraciones. Finalmente, la cuarta parte muestra el
funcionamiento del mtodo sobre varios ejemplos reales.

INTRODUCCION
La presencia del weathering somero de baja velocidad puede causar problemas serios
en el procesamiento de datos ssmicos. Este trabajo est avocado a la compensacin de
estos efectos mediante la estimacin de un conjunto de correcciones estticas usando
arribos de refracciones.
Dos de los efectos principales que resultan de tales condiciones del weathering son el
deterioro del stack debido a un desalineamiento en el CDP, y la distorsin en los
tiempos estructurales de reflectores profundos. Ambos efectos resultan de retrasos
temporales introducidos por capas geolgicas con espesor y velocidad variables. Si este
patrn de retrasos es analizado con Fourier, puede demostrarse que aquellas
componentes cuya longitud de onda es ms corta que el cable son las principal
responsables del deterioro de la calidad del stacking, mientras que aquellas

Octubre 2008

First Break Interpretation using GLI M.V.Mason

4
componentes con longitud de onda ms larga provocan errores estructurales en los
reflectores ms profundos. Como se sabe que los programas de estticas residuales que
analizan los datos de reflexiones son incapaces de estimar estas componentes de larga
longitud de onda en una forma precisa (Wiggins et al., 1976), estos programas pueden
mejorar la calidad del stacking dejando errores en los tiempos estructurales. Un
procedimiento alternativo para estimar corrimientos estticos es analizar los tiempos de
los primeros arribos correspondientes a las refracciones en las capas someras de baja
velocidad. Si los offsets (fuente-receptor) estn distribuidos correctamente, tales arribos
deberan contener toda la informacin necesaria para corregir las componentes estticas
de longitudes de onda larga y corta.
El anlisis de los arribos de refracciones ha sido tema de estudio durante varios aos
y muchos mtodos han sido propuestos. Sin embargo, mientras que estos mtodos son
adecuados para una interpretacin hecha a mano de registros individuales, tienden a
tener varias limitaciones al ser aplicados al anlisis con computadora de datos multifold. Estas limitaciones incluyen restricciones en el modelo del subsuelo somero, una
estimacin slo de la componente esttica de larga longitud de onda, dificultad en la
automatizacin de la computadora, sensibilidad a los errores en el picado de tiempos de
arribo, y la incapacidad de usar la redundancia completa que implica el CDP shooting.
Con el fin de evitar estas limitaciones, Hampson y Russell han diseado un mtodo que
desarrolla un modelo del subsuelo somero mediante un trazado iterativo de rayos.

MODELADO DE REFRACCIN ITERATIVO

Todos los mtodos para el anlisis de refracciones suponen algn modelo de la
geologa del subsuelo somero. Este suele consistir en una serie de capas cuyos espesores
y velocidades pueden variar tanto lateralmente a lo largo de la lnea, como verticalmente
con la profundidad. Los tiempos de los primeros arribos dependen de los espesores y
velocidades de cada capa, y el problema es determinar aquellos parmetros a partir de
los tiempos medidos. La tentativa es realizar algunos clculos usando los primeros
arribos observados generados por estos parmetros. Por ejemplo, se ajusta una recta a
travs de un segmento elegido formado por primeros arribos, y se mide su pendiente y
ordenada al origen (Knox, 1967). El problema con esto es que depende de un modelo
muy restringido por ejemplo, el ajuste con una recta asume que los refractores son
localmente planos sin anomalas de corta longitud de onda.
Un mtodo alternativo es construir en forma iterativa un modelo de subsuelo basado
en la informacin provista por los primeros arribos. El concepto bsico es simple y
puede ser comprendido a partir de las Figuras 1 y 2. Suponemos que la tierra actual
consiste de dos capas de baja velocidad ubicadas sobre algn material de alta velocidad,
como est representado en el sector izquierdo de la Figura 1. Esto resultara en un
conjunto de primeros arribos que seran registrados y graficados como primeros arribos
observados en la Figura 2. Sin conocer la configuracin actual de la tierra, podemos
adivinar que las capas son como muestra el panel derecho de la Figura 1. Mediante un
trazado de rayos, podramos calcular los tiempos en los cuales suponemos que
ocurriran los primeros arribos, y los graficamos con el nombre de primeros arribos del
modelo en la Figura 2. Generalmente, la aproximacin del modelo tendr un error y
habr una discrepancia entre los primeros arribos observados y los del modelo. La
Figura 2 muestra el error, que es el resultado de restarle los tiempos de los primeros
Octubre 2008

First Break Interpretation using GLI M.V.Mason

5
arribos del modelo a los tiempos de los primeros arribos observados. Mediante un
anlisis de este error, es posible estimar correcciones para nuestro modelo original que
mejorarn la correspondencia entre los tiempos de los primeros arribos observados y del
modelo, idealmente produciendo un error igual a cero.

Figura 1: Trazado de rayos a travs del modelo de tierra actual comparado con el trazado de rayos a travs
del modelo de la aproximacin inicial.

Figura 2: Errores entre los tiempos observados y del modelo.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

El tipo de modelo utilizado para nuestro modelo de refraccin se muestra en la

Figura 3. El subsuelo somero est compuesto por un nmero de capas de baja velocidad
ubicadas por encima de un medio con velocidad alta. El espesor de cada capa puede
variar como una funcin de la posicin en superficie. La velocidad de cada capa puede
variar lateralmente, pero no verticalmente. La velocidad de la primera capa se supone
conocida. Esto es porque la primera capa suele ser tan delgada que con las geometras
tpicas del disparo no hay informacin suficiente para determinar tanto su profundidad
como su velocidad.

Figura 3: Parametrizacin
del modelo utilizado para
el anlisis de refraccin.

TEORIA DE INVERSION LINEAL

La tcnica descripta en la seccin anterior es la de Inversin Lineal Generalizada.
Esta es una tcnica matemtica muy poderosa cuyo campo de aplicacin en problemas
geofsicos ha sido descripto en numerosos trabajos (e.g., Lines and Treitel, 1984). En la
teora del mtodo de inversin lineal generalizada (Backus and Gilbert, 1967), se elige
un conjunto de parmetros representados por el vector M, donde:
M = (m1, m2,., mk) T
Se supone que estos parmetros del modelo generan un conjunto de observaciones
representadas por el vector:
T = (t1, t2,.., tn) T
a travs de algunas relaciones funcionales no lineales, A:
ti = Ai(m1, m2,.., mk), i=1,2,,n
Octubre 2008

(1)

First Break Interpretation using GLI M.V.Mason

En este problema particular, el vector M es el conjunto de todos los espesores y

velocidades desconocidos en el modelo del subsuelo somero, el vector T es el conjunto
de todos los tiempos correspondientes a los primeros arribos observados, y la relacin A
es el algoritmo para el trazado de rayos incorporando la ley de Snell. Empezando desde
algn modelo inicial, M0, se calcula un conjunto de tiempos de arribo y se los compara
con los tiempos medidos. Como hemos visto, las Figuras 1 y 2 muestran tal
comparacin, junto con el error residual entre los tiempos de arribo observados y
calculados. El mtodo de inversin lineal generalizada se reduce al anlisis de este
vector de error residual para determinar un conjunto de correcciones para el modelo.
Si representamos al vector de error mediante T y a los cambios en el modelo
requeridos mediante M, luego M es determinado a partir del conjunto de ecuaciones
lineales:
T = B M

(2)

donde: T = A (M j+1) - A (M j)
Bij = ti / mj
M = M j+1 M j
j = iteracin nmero j
Notar que en esta ecuacin se supone que se conoce la matriz B, cuyos elementos
contienen a las derivadas ti / mj. Cada elemento bij mide la sensibilidad del tiempo i
calculado para el primer arribo, ti, ante cambios en el parmetro j del modelo, mj. De
hecho, esos elementos son funciones del propio modelo y deben ser re-calculados en
cada iteracin. El clculo se hace analticamente, suponiendo que las velocidades y
profundidades del modelo varan lo suficientemente lento como para que ste pueda ser
considerado localmente lineal.
Como resultado de un registro ssmico multi-fold, el sistema lineal (2) suele ser
sobre-determinado, es decir que el nmero de tiempos correspondientes a primeros
arribos excede el nmero de parmetros desconocidos del modelo. Esto permite alguna
compensacin para los errores que surgen del picado de los tiempos correspondientes a
los primeros arribos. La solucin es el ajuste por mnimos cuadrados:
M = (BT B)-1 BT T

(3)

que compensar aquellos errores cuya distribucin de probabilidad sea una funcin
Gaussiana al azar con media cero. Desafortunadamente, los errores de picado suelen ser
eventos grandes. Se debe implementar un algoritmo que detecte desviaciones en el error
inusualmente grandes luego de varias iteraciones de la secuencia de inversin y que
elimine estos picks.
En la prctica, la inversin de la gran matriz BT B no es ni prctica ni necesaria, ya
que cada aplicacin de la ecuacin (3) es un paso dentro de una serie de iteraciones, y
no se requiere la solucin exacta de M en cada paso. Es por esta razn que la solucin
(3) puede ser reemplazada por una aproximacin iterativa adecuada.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

8
La Figura 4 ilustra el procedimiento general. El usuario introduce una aproximacin
inicial para la configuracin del subsuelo prximo a la superficie, indicndole al
programa cuantas capas se esperan tener junto con sus velocidades y espesores
aproximados. Generalmente, este es un modelo de capas planas, a pesar de que pueden
requerirse modelos ms complicados para situaciones con variaciones rpidas. El
programa realiza una serie de iteraciones en las cuales se calculan los tiempos
correspondientes a los primeros arribos, mediante trazado de rayos, y se los compara
con los tiempos medidos; luego se modifica el modelo y se calcula un nuevo conjunto
de tiempos. Este procedimiento se repite hasta alcanzar una correspondencia aceptable
entre los tiempos observados y los del modelo.

Figura 4: Algoritmo general para el modelado iterativo.

A pesar de que tanto las velocidades como las profundidades pueden variar con cada
estacin, como fue implicado anteriormente en la Figura 3, el algoritmo puede hacerse
ms robusto forzando un modelo solucin cuya variacin sea ms lenta. Esto aumenta el
nmero de tiempos de primeros arribos utilizados para actualizar cualquier parmetro
del modelo y disminuye el efecto de errores de picado aleatorios. Se espera que las
velocidades de las capas varen lentamente, cosa que no debera suceder para el caso de
los espesores. De hecho, sus variaciones de alta frecuencia son precisamente la causa de
las estticas de corta longitud de onda mencionadas anteriormente. Forzar que un
modelo sea suave significa que slo las componentes de mayores longitudes de onda
sern consideradas en la tcnica del modelado iterativo. Las componentes de corta
longitud de onda pueden ser estimadas al final del proceso como retrasos temporales
simples consistentes con la superficie en el error residual final (Chun y Jacewitz, 1981).

Octubre 2008

First Break Interpretation using GLI M.V.Mason

9
EJEMPLO SINTETICO
En las Figuras 5 a 7, se ilustra el mtodo en un ejemplo de datos sintticos. La Figura
5 muestra un modelo hipottico del subsuelo, consistente de dos capas de baja velocidad
ubicadas por encima de un medio de mayor velocidad. Se simul en el centro del
modelo una gran anomala correspondiente al weathering. Se cre un conjunto de
arribos de refracciones mediante un trazado de rayos a travs de este modelo. Estos
arribos sern analizados por el algoritmo de inversin con el fin de recuperar el modelo
original.
Las Figuras 6 y 7 muestran el modelo y los errores residuales al principio y al final
del clculo. En la parte superior de la Figura 6 se muestra el sinttico original, seguido
de la aproximacin inicial, que consisti de dos capas con espesores y velocidades
uniformes. Tanto las velocidades de la segunda capa de baja velocidad como la del
medio de alta velocidad tienen un error, as como tambin los espesores de las capas. La
parte inferior de la Figura 6 muestra el error residual que resulta de restarle los tiempos
del modelo (calculados mediante el trazado de rayos a travs del modelo inicial) a los
tiempos originales medidos. La geometra del disparo fue simulada con un cable de 96
trazas, por lo que cada uno de los patrones en la parte inferior de la figura 6 consiste de
96 puntos, mostrando el error en cada traza exactamente de la misma manera que en la
parte superior de la Figura 3. Si la aproximacin inicial ha sido correcta, los errores
residuales deberan ser todos cero, y los patrones seran lneas planas a lo largo de las
lneas de tiempo en la figura. Debido a la existencia de errores en la aproximacin
inicial, los patrones son una serie de lneas quebradas correspondiendo a los diferentes
caminos refractores. En lneas generales, una pendiente no nula en un segmento indica
un error en la velocidad mientras que un corrimiento en el tiempo indica un error en el
espesor.
Luego de cinco iteraciones el error residual es insignificante (Figura 7), y el modelo
resultante se asemeja mucho al de entrada. En este simulacro, la condicin que se le
impuso al algoritmo de inversin fue usar un suavizado de seis estaciones lo que
significa que a medida que cada parmetro es actualizado, se usan en los clculos los
tiempos de arribo correspondientes a tres estaciones para cada lado. Como resultado, la
respuesta final no tiene los bordes angulosos como aparecen en el sinttico original. A
pesar de que eso ha causado un error residual muy pequeo en este ejemplo sinttico, el
suavizado en conjuntos de datos reales dejar en los grficos del error residual patrones
de estticas de corta longitud de onda consistentes con la superficie. Estos pueden ser
removidos como corrimientos simples en el tiempo y pueden ser utilizados para corregir
los datos ssmicos ms a futuro.
El ejemplo sinttico muestra que el algoritmo de inversin, bajo condiciones ideales,
puede invertir el proceso de trazado de rayos y recuperar el modelo original. Sin
embargo, para que el mtodo funcione sobre datos reales, se deben reunir tres
condiciones. Primero, el modelo debe ser lo suficientemente complejo para describir el
comportamiento en forma adecuada, pero debe tener una cantidad de parmetros
significantemente menor que de observaciones (tiempos de primeros arribos reales).
Esto significa que el usuario debe especificar el nmero correcto de capas, y que la
geologa debe variar lo suficientemente lento como para que el trazado de rayos sea
apropiado. Un modelo con una gran cantidad de capas obligar al programa a estimar
demasiados parmetros para el nmero de observaciones, y esto podra resultar en una
Octubre 2008

First Break Interpretation using GLI M.V.Mason

10
inestabilidad matemtica. Segundo, la aproximacin inicial debe estar lo
suficientemente cerca de la respuesta correcta como para asegurar la convergencia con
una cantidad razonable de iteraciones. (Afortunadamente, en la mayora de las
situaciones reales, la geologa del subsuelo somero es bastante conocida por lo que ni la
primera condicin ni la segunda son un problema.) Tercero, los tiempos
correspondientes a los primeros arribos que se ingresan deben estar libres de errores
groseros. El algoritmo de inversin est idealmente adaptado para manejar errores
aleatorios pequeos, pero los errores de picado suelen tener grandes saltos por ciclo. Si
la frecuencia de los saltos no es muy grande, el programa puede ser utilizado para
detectar errores de picado realizando varias iteraciones y buscando errores residuales
excesivamente grandes. Este procedimiento ha sido utilizado con gran xito.
En general, se puede concluir que el mtodo se adapta en forma ideal a aquellas
reas donde el subsuelo cercano a la superficie es restringido a dos o tres capas cuyos
parmetros varan dentro de un rango limitado y predecible. La experiencia ha mostrado
que esto describe un gran porcentaje de datos ssmicos de superficie, y que el algoritmo
es una herramienta robusta y confiable que requiere muy poca intervencin humana.

Figura 5: Modelo utilizado para generar refracciones sintticas.

Figura 6: Modelo de aproximacin inicial y errores residuales previos al modelado iterativo.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

11

Figura 7: Resultado final luego de cinco iteraciones.

EJEMPLOS DE DATOS REALES

A continuacin se mostrar el funcionamiento del algoritmo de interpretacin sobre
dos conjuntos de datos reales. El primero fue elegido porque contiene una anomala
correspondiente al weathering particularmente grande, como se puede observar en la
Figura 8. Los primeros arribos son muy claros y el algoritmo de picado automtico ha
tenido muy pocos problemas. En la parte superior de la Figura 9, se exhibe el modelo de
aproximacin inicial en funcin del tiempo de viaje doble hasta la base de cada una de
las dos capas de baja velocidad. La aproximacin inicial consisti de capas uniformes
con velocidad constante. En la parte inferior de la Figura 9 se muestran los errores
residuales de tres disparos en la vecindad de la anomala correspondiente al weathering,
donde el patrn consistente con la superficie es evidente.
Luego de cinco iteraciones, el algoritmo ha convergido al resultado que se muestra
en la Figura 10. Los espesores de ambas capas han cambiado considerablemente a partir
de la aproximacin inicial, incluyendo, por supuesto, a la gran anomala. Como se us
un suavizador de seis estaciones en el clculo de la profundidad, el paso a la izquierda
de la anomala fue modelado como una cada suave. Como consecuencia, el patrn del
error mantuvo una correccin residual de corta longitud de onda luego del trazado de
rayos a travs del modelo suavizado. Este patrn fue estimado como un retraso temporal
consistente con la superficie y es graficado es el panel central de la Figura 10. Al
corregir los datos ssmicos, las estticas de onda corta sern agregadas a aquellas
calculadas usando el modelo final de subsuelo somero. En la parte inferior de la Figura
10, vemos que los errores residuales estn muy cercanos al cero, indicando un buen
ajuste entre los tiempos del modelo y los reales.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

12

Figura 8: Perfil simple a partir de un conjunto de datos reales con la anomala correspondiente al
weathering.

Figura 9: Modelo de aproximacin inicial y errores residuales en tres disparos cerca de la anomala.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

13

Figura 10: Resultado final luego de cinco iteraciones.

Las Figuras 11 y 12 muestran una comparacin entre los stacks brutos generados
antes y despus de la aplicacin de las correcciones estticas de refraccin. Las
principales diferencias entre ambos pueden observarse justo por debajo de la zona
donde se aplic el mute; all la continuidad del reflector ubicado a 1.0s ha sido mejorada
mediante la aplicacin de algunas estticas muy grandes. A pesar de que luego un
programa de estticas residuales mejorar cualquiera de las secciones, es claro que el
hecho de remover los patrones del weathering en los inicios del procesamiento ayudar
tanto en la etapa del anlisis de velocidad como tambin en minimizar el riesgo de cycle
skipping en clculos de estticas a futuro.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

14

Figura 11: Stack bruto luego de una correccin de elevacin y uphole nicamente.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

15

Figura 12: Stack bruto luego de un anlisis automtico de refraccin.

El segundo ejemplo de datos reales fue elegido porque contiene anomalas de

estticas tanto de larga como de corta longitud de onda. Esto est demostrado en la
Figura 13, que es un stack bruto de la lnea corregida por elevacin y uphole. La esttica
de larga longitud de onda aparece como una componente estructural de variacin lenta,
con una variacin mxima a travs de la lnea de alrededor de 20 ms. La componente de
corta longitud de onda resulta en una prdida de continuidad en algunos de los
reflectores ms dbiles, especialmente los datos por encima de los 900 ms, y tambin en
una franja vertical hacia el sector izquierdo del gap de baja cobertura.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

16
En la Figura 14, vemos el mismo stack luego de un anlisis automtico de refraccin.
En este resultado, tanto las soluciones de las estticas de larga como de corta longitud
de onda han sido mejoradas. La eliminacin las estticas de largo perodo resulta en una
seccin con ms validez estructural. Debera quedar en claro que los programas de
estticas residuales basados en la correlacin de zonas de reflexin son tericamente
incapaces de hallar una solucin para este patrn de estticas de largo perodo.
La solucin de estticas de corto perodo resulta en una mejora en la continuidad de
los datos, tanto en eventos ubicados a los 900 ms y por encima, y tambin en la franja
de datos en la parte central de la lnea. Para un mayor detalle de los resultados, la Figura
15 muestra una porcin de los datos antes y despus del anlisis de refraccin, como
tambin el modelo de subsuelo ms superficial que ha sido producido. Debe notarse que
la estructura del modelo de subsuelo es reflejada en el patrn de estticas de largo
perodo que ha sido removido. Tambin, las franjas verticales que presentan una
continuidad pobre de las reflexiones, que se observan en los datos originales,
corresponden a severos paquetes de weathering de corta longitud de onda.
A pesar de que el anlisis automtico de refraccin ha realizado un buen trabajo en
encontrar las estticas de corto perodo, no reemplaza totalmente al mtodo tradicional
de estticas residuales. Es ms, debera ser utilizado en conjunto con estos otros
mtodos para lograr resultados ptimos. Esto se muestra en la Figura 16, donde se
puede observar la seccin stacked de la Figura 14 luego de haberle realizado un anlisis
de estticas residuales. Debe notarse que este proceso final ha sintonizado a la solucin
de estticas del stack anterior. Debera volver a enfatizarse que este programa de
estticas residuales no hubiera resuelto las estticas de largo perodo que se observan en
la Figura 13.

CONCLUSIONES
En este trabajo se ha propuesto un mtodo para el clculo de correcciones estticas
basado en una tcnica de inversin lineal generalizada que modela, en forma iterativa, el
subsuelo ms superficial mediante el uso de primeros arribos de refracciones. Las
mayores ventajas de esto por sobre otros mtodos tradicionales son:

Mediante el uso de la redundancia de los CDP, las soluciones son estabilizadas y

el efecto de los errores de picado es reducido.
Se puede incorporar rpidamente informacin acerca de la geologa del subsuelo
ya conocida, como tambin cualquier condicin geolgica.
Se minimizan suposiciones de un modelado restrictivo.
El algoritmo puede ser automatizado y requiere muy poca intervencin del
usuario.

Se mostraron dos casos de datos reales que verifican que las componentes de larga y
corta longitud de onda de las estticas fueron instrumentales en la mejora de la seccin
stacked. A pesar de que an se necesita un paso de estticas residuales para sintonizar la
imagen ssmica, el hecho de remover las mayores anomalas de las estticas en los
primeros pasos del procesamiento corrige los tiempos de los eventos y asegura un
procesamiento ptimo en las etapas siguientes.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

17

Figura 13: Segundo ejemplo: stack bruto con correcciones de elevacin y uphole nicamente.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

18

Figura 14: Segundo ejemplo: Stack bruto luego de un anlisis automtico de refraccin.

Octubre 2008

First Break Interpretation using GLI M.V.Mason

19

Figura 15: Geologa interpretada del subsuelo ms superficial con stacks brutos antes y despus de un
anlisis de refraccin.

Figura 16: Stack final luego de un anlisis de estticas residuales.

Octubre 2008

First Break Interpretation using GLI M.V.Mason