UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA

FACULTAD DE GEOLOGÍA, GEOFÍSICA Y MINAS

PROGRAMA ACADÉMICO DE INGENIERÍA GEOFÍSICA

TEMA:

“APLICACIONES DE LA TEORÍA DE LA INVERSIÓN PARA LA LOCALIZACIÓN DE

EPICENTROS”

PRESENTADO POR:

ASIGNATURA:
TEORÍA DE LA INVERSIÓN GEOFÍSICA

DOCENTE:
DR. CRISTOBAL CONDORI QUISPE

AREQUIPA - PERÚ
2021
ÍNDICE

RESUMEN .............................................................................................................................. 4

INTRODUCCIÓN .................................................................................................................. 5

MÉTODOS Y DATOS ........................................................................................................... 6

1. Etapas de la Inversión Geofísica ................................................................................. 7

1.1 Formulación del Problema ........................................................................................ 8

1.2 Construcción del Problema ..................................................................................... 11

1.3 Evaluación de la Solución .................................................................................... 18

2. Desarrollo de cálculos matemáticos .......................................................................... 19

3. Ejecución del Script de Inversión ............................................................................. 20

ANÁLISIS DE RESULTADOS ........................................................................................... 24

DISCUSIONES ..................................................................................................................... 25

CONCLUSIONES ................................................................................................................ 26

BIBLIOGRAFÍA ................................................................................................................... 27
ÍNDICE DE FIGURAS

Ilustración 1 Diagrama de flujo para problemas inversos prácticos ___________________ 7

Ilustración 2 Paso Octave ___________________________________________________ 22

Ilustración 3 Paso Octave ___________________________________________________ 22

Ilustración 4 Paso Octave ___________________________________________________ 23

ÍNDICE DE TABLAS

Tabla 1 Ubicación Espacial de cada estación y Tiempos de arribo d elas Ondas "P".(Lay, 1995) _ 10

Tabla 2 Resultados Obtenidos _____________________________________________________ 18

Tabla 3 Datos del ejercicio propuesto (Lay, 1995) _____________________________________ 21

Tabla 4 Resultados Obtenidos (Lay, 1995) ___________________________________________ 23

 Página 4

RESUMEN

La inversión en Geofísica tiene como objetivo ofrecer información de parámetros numéricos

(propiedades físicas), todo esto a partir de los datos tomados y medidos en campo. Por ende, se

tiene que tener en cuenta lo siguiente: Su solución debe de tener Existencia, Unicidad y

Estabilidad.

En el presente trabajo también se presentan los fundamentos y vínculos matemáticos

aplicados en la teoría de la inversión tratando el caso específico de localización del Epicentro en

un problema de sismología, para lo cual se vinculan ciertas leyes físicas y matemáticas que se

utilizarán en esta inversión.

El modelo final será una representación matemática idealizada de una parte de la tierra. Este

modelo tendrá una parte sintética, como consecuencia de las relaciones matemáticas. El problema

inverso en este caso determinará el modelo como respuesta a la ubicación del epicentro.

Como conclusión, para desarrollar casi todos los problemas inversos en la Geofísica se tiene

que aplicar ecuaciones diferenciales e integrales; estas soluciones vienen acompañada de la

resolución de derivadas parciales que se introducen en una estructura matemática o algoritmos, los

cuales ayudarán a encontrar más fácilmente los respectivos parámetros que se desean hallar.
 Página 5

INTRODUCCIÓN

La localización de fuentes sísmicas implica determinar las coordenadas del hipocentro como

el tiempo origen. Para desarrollar esta metodología se debe tener en cuenta lo siguiente: las fases

sísmicas, la medición de sus tiempos de arribo, la velocidad de propagación de las ondas entre el

hipocentro y la estación sismológica. Se puede calcular el tiempo de viaje de cualquier fase hacia

cualquier estación sísmica y establecer un modelo de velocidades. Este tipo de problema en

geofísica es conocido como PROBLEMA DIRECTO (Lay, 1995)

Se tiene que entender que lo opuesto a este problema, es decir, localizar el hipocentro, es

considerado como el problema INVERSO, donde solo conocemos los tiempos de arribo de las

distintas fases para resolver la ubicación del sismo y su tiempo origen.

El presente informe también quiere demostrar la implicancia que tienen las leyes físicas y

matemáticas en la esencia y desarrollo de la teoría de la inversión geofísica, así como la

importancia del software que reducen el trabajo del problema inverso a gran escala y que son

utilizados hoy en día como una herramienta indispensable en la geofísica.

La principal característica del problema inverso es estimar parámetros de un modelo (m) a

partir de un conjunto de datos físicos. Al aplicar el problema de la inversión la profundidad de la

investigación se hace amplia, y las deducciones cuantitativas sobre la dinámica, estructura,

composición de la tierra es impresionante y eficaz.

Por lo tanto, es imprescindible reconocer que el éxito de la interpretación geofísica depende

de nuestra capacidad para aproximar estructuras geológicas reales mediante modelos razonables y

para resolver los problemas inversos correspondientes de manera eficaz (Zhdanov, 2015)
 Página 6

MÉTODOS Y DATOS

 Localización con una sola estación

Utilizando una sola estación se puede determinar la dirección de la fuente sísmica, tomando

como parámetro la polaridad de la Onda P. Es un método con muchas limitaciones, no puede dar

una profundidad exacta lo que se convierte en una gran desventaja por ser de carácter analógico.

Sin embargo, hoy en día se cuenta con muchos algoritmos que ayudan a localizar mejor los eventos

sísmicos.(Lay, 1995)

 Metodología: determinar el azimut a la fuente sísmica usando los tres vectores

componentes del movimiento del suelo, partiendo del hecho que la onda P está

polarizada en el plano vertical y radial.

 Localización con múltiples estaciones

La localización del sismo puede determinarse con el diagrama de Wadati, determinando una

pendiente (una recta):

m = (VP/VS – 1) (a))

Una vez estimado el tiempo origen TO, la distancia Di a una estación i puede calcularse

restando este tiempo del tiempo de arribo de la onda P y multiplicándolo por la velocidad VP, es

decir:

𝐃 = ( 𝐓𝐩 − 𝐓𝐨 ) 𝐕𝐩 (b)

(a)
𝑭(𝒎) = 𝒅 (c)

(a)
 Página 7

Donde: F es definido como un operador que utiliza los elementos del vector modelo para dar el

vector datos. Si F es una serie de ecuaciones lineales (que no es el caso para el problema de

localización), entonces F es una matriz llamada de Kernel.(Lay, 1995)

1. Etapas de la Inversión Geofísica

Antes de resolver un proceso de inversión en Geofísica, se debe tener en cuenta que mas allá

del entendimiento, desarrollo y cálculo matemático existen otros factores (que también son

determinantes en las diferentes etapas de inversión que se sigue y por ende son preponderantes en

el resultado obtenido. Podemos mencionar:

 Toma de datos y registro de los mismos en campo.

 Equipos calibrados.

 Validación de data.

 Experiencia y habilidad en la aplicación del método.

Ilustración 1 Diagrama de flujo para problemas inversos prácticos

 Página 8

 Ploteo

 Filtros y preparación

 Inversión y generación de modelos (Parametrización)

 Interpretación

1.1 Formulación del Problema

 CONCEPTUALIZANDO

Lo primero antes de empezar es entender cómo concepto que, al iniciar con el desarrollo del

problema para la localización del Epicentro, tenemos que resolverlo como su inversa directa, ósea

localizar el Hipocentro.

Los parámetros del modelo se pueden representar como elementos de un conjunto de datos

observados y medidos en campo (datos aparentes) a partir de la siguiente ecuación.

A (m;d) = 0 (1)

Donde:

d = son los datos observados aparente;

m = Parámetros del modelo

A = Sistema de ecuaciones integrales, diferenciales, algebraicas o combinaciones que

representaran un modelo matemático estable.

Los parámetros a calcular en sismología para la onda “P” y “S”, teniendo en cuenta el

problema inverso son:

 Página 9

 X = Longitud

 Y = Latitud

 Z = Profundidad

 T = Tiempo fuente-receptor

Para la localización de sismos el problema inverso en geofísica podrá resolverse de manera

iterativa resolviendo una secuencia de problemas lineales.

A(m) = d (2)

Las ondas de compresión P y S viajan a lo largo de los rayos desde la fuente sísmica

(Profundidad, dirección de la onda) hasta el receptor (datos observados). La dirección de los rayos

está en función a la posición de la fuente y el receptor; asimismo de las velocidades del medio

(Heterogeneidad y anisotropía). Se debe tener en cuenta lo siguiente: Tiempo de Arribo de la

Onda P y S, fuente, receptor y tratamiento de una Ecuaciones NO LINEAL.

𝑻𝒊 ( 𝐦) = 𝑻( 𝐦, 𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) (3)

Donde T i = Tiempo de arribo de la onda P y S

𝐦𝐓 = (𝑿𝟎 , 𝒚𝟎 , 𝒛𝟎 , 𝒕𝟎 ) (4)

Donde 𝐦𝐓 = Fuente

(𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) (5)

Donde x,y,z = Receptor

 Página 10

𝒕𝑷𝒊 = 𝑻𝑷 ( 𝐦, 𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) + 𝒕𝟎 𝒕𝑺𝒊 = 𝑻𝑺 ( 𝐦, 𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) + 𝒕𝟎 (6)

𝐝 = 𝐠(𝐦) (7)

Donde d = Ecuaciones no lineales

Para el desarrollo del ejercicio se consideró el caso de un terremoto que ocurrió en un

semiespacio homogéneo que nos dan un camino de rayos rectos. Es decir que son ondas

confinadas y que se propagan en un medio elástico infinito isotrópico.(Gonzales, 2016).

Para triangular se utiliza el método de múltiples estaciones, que permite calcular el tiempo

de origen, con esto llegamos a obtener el tiempo de arribo y a partir de eso se obtiene el tiempo

observado (dato aparente) que será ingresado directamente al modelo.

Las ondas P fueron registradas con seis estaciones sísmicas, tal como se muestra:

Estación X Y TP di-d0

1 2.0 31.0 40.02 5.77

2 3.0 -5.0 42.76 6.93
3 50.0 58.0 41.07 2.70
4 55.0 47.0 40.38 2.78
5 81.0 3.0 45.05 4.05

6 -9.0 -18.0 45.75 7.02

Tabla 1 Ubicación Espacial de cada estación y Tiempos de arribo d elas Ondas "P".(Lay, 1995)

Debemos tener en cuenta que los tiempos de arribo fueron calculados exactamente y se les

agregó un ruido para simular errores no correlacionados en los datos.

 Página 11

1.2 Construcción del Problema

El primer paso para desarrollar el proceso de inversión, primero se tiene que estimar una

solución, desde la cual podemos calcular el vector de los datos.

(x0=21, y0=21, z0=12, t0= 30.0) (8)

Las diferencias entre los datos calculados y observados (di-d0) que se muestra en la tabla

N° 1, dan el vector de los datos. Estos datos se pueden representar a través de una ecuación la cual

deduce los cambios en los parámetros (en este caso es un modelo Lineal) sobre el ajuste de los

datos aparentes:

𝐝 = G.m. (9)

Esta ecuación es válida para resolver cualquier problema sismológico en el cual

tengamos un conjunto de datos que depende a su vez de parámetros del modelo.

Tenemos 6 tiempos de arribo observados, entonces tendremos 6 ecuaciones y podremos

j por eliminación gaussiana, dando un resultado exacto para “m”. Cualquier

resolver el sistema

error en los datos llevará a una solución incorrecta o a ecuaciones inconsistentes. Una vez que δx,

δy, δz y δt son calculados, podemos “corregir” los parámetros aproximados de la fuente:

𝐱𝟏 = 𝐱𝟎 + 𝛅𝐱𝟎, 𝐲𝟏 = 𝐲𝟎 + 𝛅𝐲𝟎, 𝐳𝟏 = 𝐳𝟎 + 𝛅𝐳𝟎 𝐲 𝐭𝟏 = 𝐭𝟎 + 𝛅𝐭𝟎. (10)

Estos nuevos parámetros aproximados (x1, y1, z1, t1) son se utilizan para repetir el

proceso y obtener unos parámetros (x2, y2, z2, t2) más precisos, y así sucesivamente iterando
 Página 12

hasta que “d” sea aceptablemente pequeño. Claramente se ve que nuestro valor inicial estimado

no es muy bueno.

 LINEALIZACIÓN DEL PROBLEMA (Calculando la matriz “G”)

La ecuación (9) relaciona el vector datos de dimensión n (número de observaciones) con el

vector modelo de dimensión m (parámetros del modelo). Para las inversiones en la estructura de

la Tierra, las funciones continuas de las propiedades del material, son aproximaciones por un

modelo finito simplificado la matriz G no es cuadrada, por lo tanto, podríamos aplicar la inversa

de “G”. Por definición:

G-1. G = I (3.4) 𝐦 (11)

Donde I = es la matriz identidad. De este modo tendremos un nuevo sistema de ecuaciones:

𝐆−𝟏 . 𝐝 = 𝐦 (12)

Par el caso que estamos resolviendo estamos tratando con datos que tiene errores, como son

las lecturas de los tiempos de arribo. Con la ecuación 12 podemos predecir perfectamente los

datos. En el caso de los tiempos de viaje, “G” deduce los parámetros del modelo en los vectores

de los datos predecidos. (Lay, 1995)

Antes de determinar “G”, necesitamos saber que TENEMOS QUE ENTENDER LA

SIGUIENTE ECUACIÓN:

𝟏/𝟐
[(𝐱𝟏 −𝐱)𝟐 +(𝐲𝟏 −𝐲)𝟐 +(𝐳𝟏 −𝐳)𝟐 ]
𝐭𝟏 = 𝐭 + (13)
𝐯
 Página 13

Donde 𝐭 𝟏 es el tiempo origen del terremoto y el de arribo a la i-ésima estación respectivamente.

Entonces 𝐭 𝟏 es un elemento del vector de datos “d”. y x,y,z y t los elementos del vector m que

queremos determinar.

𝐅(𝐱, 𝐲, 𝐳, 𝐭) = 𝐝 (14)

El procedimiento es linealizar el problema e iterativamente mejorar “m”. El primer paso es

estimar una solución “m0”. Aproximamos los cambios en m0 con el desarrollo en Serie de

Taylor.

𝐦𝟏𝟏 = 𝐦𝟎𝟏 + 𝛅𝐦𝟎𝐥 (15)

Donde 𝛅𝐦𝟎𝟏 es un incremento de los j-ésimos parámetros del modelo hacia un mejor ajuste de los

datos (sumatoria finita de términos).

Resolviendo la ecuación 15 en series de Taylor alrededor de m0 + 𝛿m0 , pueden encontrarse

los correspondientes incrementos en el vector de datos predecido. Se calculan las derivadas

parciales para la Localización del hipocentro mediante la fórmula de diferencias Finitas.

𝛛𝑻𝒊 [𝑻𝒊 (𝐦+[𝝐,𝟎.𝟎,𝟎]𝐓 )−𝑻𝟏 (𝐦)]

= (16)
𝛛𝒎𝟏 𝝐

𝛛𝑻𝒊 [𝑻𝒊 ( 𝐦 + [𝟎, 𝝐, 𝟎, 𝟎]𝐓 − 𝑻𝒊 ( 𝐦)]

= (𝟏𝟕)
𝛛𝒎𝟐 𝝐

𝛛𝑻𝒊 [𝑻𝒊 ( 𝐦+[𝟎,𝟎,𝝐,𝟎]𝐓 −𝑻𝒊 ( 𝐦)]

= (18)
𝛛𝒎𝟑 𝝐

Las derivadas analíticas de la ecuación 13 evaluadas en cero son fáciles de obtener:

(𝛛𝐅/𝛛𝐱 𝟎 )𝜹𝐱 𝟎 + (𝛛𝐅/𝛛𝐲𝟎 )𝜹𝐲𝟎 + (𝛛𝐅/𝛛𝐳𝟎 )𝜹𝐳𝟎 + (𝛛𝐅/𝛛𝐭 𝟎 )𝜹𝐭 𝟎 = 𝐝𝟏 − 𝐅𝟏𝟎 (𝐱 𝟎 , 𝐲𝟎 , 𝐳𝟎 , 𝐭 𝟎 ) (19)
 Página 14

Se desarrollan derivadas parciales respecto a cada parámetro

 X = Longitud

o Dato de entrada

o Error (Desviación Estándar / campana de Gauss)

 Y = Latitud

o Dato de entrada

o Error (Desviación Estándar / campana de Gauss)

 Z = Profundidad

o Dato de entrada

o Error (Desviación Estándar / campana de Gauss)

 T = Tiempo fuente-receptor

o Dato de entrada

o Error (Desviación Estándar / campana de Gauss)

En este caso (localización de hipocentro), la ecuación del tiempo se deriva para cada

parámetro y posteriormente se aplica para cada estación.

𝛛𝒕𝒊 −(𝒙𝒊 − 𝒙𝟎 )
= (𝟐𝟎)
𝛛𝒙 𝒗√(𝒙𝒊 − 𝒙𝟎 )𝟐 + (𝒚𝒊 − 𝒚𝟎 )𝟐 + (𝒛𝒊 − 𝒛𝟎 )𝟐

𝛛𝒕𝒊 −(𝒚𝒊 − 𝒚𝟎 )
& = (𝟐𝟏)
𝛛𝒚 𝒗√(𝒙𝒊 − 𝒙𝟎 )𝟐 + (𝒚𝒊 − 𝒚𝟎 )𝟐 + (𝒛𝒊 − 𝒛𝟎 )𝟐

𝛛𝒕𝒊 −(𝒛𝒊 − 𝒛𝟎 )
= (𝟐𝟐)
𝛛𝒛 𝒗√(𝒙𝒊 − 𝒙𝟎 )𝟐 + (𝒚𝒊 − 𝒚𝟎 )𝟐 + (𝒛𝒊 − 𝒛𝟎 )𝟐
 Página 15

𝛛𝐭 𝐢 −(𝐱 −𝐱 ) 𝛛𝐭 𝐢 −(𝐲 −𝐲 ) 𝛛𝐭 𝐢 −(𝐳 −𝐳 ) 𝛛𝐭 𝟏

= 𝐯𝟐 (𝐭𝐢 −𝐭𝟎 ) ; = 𝐯𝟐 (𝐭𝐢 −𝐭𝟎 ) ; = 𝐯𝟐 (𝐭𝟏 −𝐭𝟎 ) ; =𝟏 (23)
𝛛𝐱 𝟏 𝟎 𝛛𝐲 𝟏 𝟎 𝛛𝐳 𝟏 𝟎 𝛛𝐭 𝟎

Analizando la ecuación (23), vemos que la diferencia entre los tiempos de viaje predecido y

observado, está ahora relacionada linealmente a los cambios que necesitamos en las coordenadas

del hipocentro, y así podremos modelar mejor los datos aproximados.

Usando la serie de Taylor truncada en el primer término tendremos la linealización:

𝐅(𝐱, 𝐲, 𝐳, 𝐭) = 𝐝 ⇒ 𝛅𝐅 = 𝛅𝐝 = (𝛛𝐝/𝛛𝐦)𝛅𝐦 ⇒ 𝛅𝐅/𝛅𝐦 = 𝛛𝐝/𝛛𝐦 (24)

𝝏𝒅
𝜹𝒅𝟏 = 𝝏𝒎𝟏 𝜹𝒎𝑱 (25)
𝒋

Y definiendo como una matriz G de derivadas parciales,

𝛛𝐝
𝐆𝐢,𝐣 = 𝛛𝐦𝐢 (26)
𝐉

 PARAMETRIZANDO

Ahora determinamos “G”:

𝟎. 𝟏𝟑𝟑𝟏 𝟎. 𝟎𝟕𝟎𝟎 𝟎. 𝟎𝟖𝟒𝟏 𝟏. 𝟎𝟎𝟎

𝟎. 𝟎𝟗𝟏𝟕 𝟎. 𝟏𝟑𝟐𝟓 𝟎. 𝟎𝟔𝟏𝟐 𝟏. 𝟎𝟎𝟎
−𝟎. 𝟏𝟎𝟑𝟎 −𝟎. 𝟏𝟑𝟏𝟓 𝟎. 𝟎𝟒𝟐𝟔 𝟏. 𝟎𝟎𝟎
𝐆= (27)
−𝟎. 𝟏𝟑𝟏𝟖 −𝟎. 𝟏𝟎𝟎𝟒 𝟎. 𝟎𝟒𝟔𝟓 𝟏. 𝟎𝟎𝟎
−𝟎. 𝟏𝟔𝟐𝟏 𝟎. 𝟎𝟒𝟖𝟔 𝟎. 𝟎𝟑𝟐𝟒 𝟏. 𝟎𝟎𝟎
[ 𝟎. 𝟏𝟎𝟐𝟏 𝟎. 𝟏𝟑𝟐𝟕 𝟎. 𝟎𝟒𝟎𝟖 𝟏. 𝟎𝟎𝟎]

Los auto-valores de G, o los valores singulares no nulos están dados por:

 Página 16

𝟐. 𝟒𝟓𝟐 𝟎 𝟎 𝟎
𝟎 𝟎. 𝟎𝟑𝟒𝟐 𝟎 𝟎
𝚲=[ ] (28)
𝟎 𝟎 𝟎. 𝟐𝟏𝟎𝟏 𝟎
𝟎 𝟎 𝟎 𝟎. 𝟎𝟏𝟗𝟗

𝚲 = es una matriz Diagonal de los autovalores de “G”, expande el espacio del modelo.

−𝟎. 𝟎𝟏𝟏𝟕 𝟎. 𝟕𝟗𝟗𝟔 −𝟎. 𝟓𝟖𝟓𝟒 −𝟎. 𝟏𝟑𝟐𝟕

𝟎. 𝟎𝟎𝟏𝟖 𝟎. 𝟓𝟗𝟖𝟏 𝟎. 𝟕𝟗𝟔𝟏 𝟎. 𝟎𝟗𝟏𝟓
𝐕=[ ] (29)
𝟎. 𝟎𝟓𝟏𝟐 𝟎. 𝟎𝟓𝟐𝟒 −𝟎. 𝟏𝟓𝟐𝟖 𝟎. 𝟗𝟖𝟓𝟓
𝟎. 𝟗𝟗𝟖𝟔 𝟎. 𝟎𝟎𝟓𝟔 −𝟎. 𝟎𝟎𝟎𝟓 𝟎. 𝟎𝟓𝟐𝟐

V = son los autovectores de “G”, expande el espacio de los datos y definen un nuevo

sistema de coordenadas, su ventaja es la simplicidad computacional para determinar la

inversa generalizada,

Cada elemento de un particular auto vector tiene dependencia con un auto valor a un dado

parámetro del modelo. En otras palabras, nuestra inversión estimada para los cambios en el tiempo

origen es más estable. Por otro lado, el auto valor más pequeño es 0.0199, con el correspondiente

auto vector dominado por el tercer parámetro del modelo, z, la profundidad de foco. (Lay, 1995)

Entonces, los cambios estimados para la profundidad son la parte menos estable del

proceso de inversión.

Como veremos brevemente, tenemos dificultad en determinar la verdadera profundidad dado

el modelo inicial que elegimos.

Se evidencia que hay cuatro autovalores no nulos, la resolución del modelo es perfecta, pero

podemos observar la matriz densidad de datos para ver lo importante y darle una solución:
 Página 17

0.8120 0.2605 0.0987 0.1328 -0.2265 0.0775

0.2605 0.5887 -0.2663 -0.0232 0.2741 0.1662

D= 0.0987 -0.2663 0.6142 0.3450 0.0160 0.1922

0.1328 -0.0232 0.3450 0.3906 0.2881 -0.1333

-0.2265 0.2741 0.0160 0.2881 0.6951 -0.0467

-0.0776 0.1662 0.1922 -0.1333 -0.0467 0.8992

(30)

Si observamos los términos de la diagonal, podemos obtener una medida relativa de la

importancia de cada estación. Los valores más grandes (0.8992 y 0.8120) están asociados a las

estaciones 1 y 6. Estas estaciones restringen la solución. La estación 4 da la menor restricción,

aunque la mayoría de los datos son de igual importancia. Los términos de la diagonal dan una

medida de la influencia que las otras estaciones tienen sobre un valor dado. La inversión predice

un cambio para el modelo m, que es dado por:

8.268

m = 9.704
9.063 (31)
4.480
 Página 18

1.3 Evaluación de la Solución

La Tabla 2 compara los epicentros obtenidos con los valores del modelo verdadero

para varias iteraciones. Note que, aunque x, y, t son muy cercanos a los valores “verdaderos”,

z no lo es. En efecto, la inversión inicial empujó z en la dirección errónea. Esto es

consecuencia de nuestro pobre modelo inicial predecido. Después de seis iteraciones

obtenemos un resultado que está muy próximo a la localización verdadera. Recordemos que

hemos agregado ruido a los datos, de modo que la inversión no será exacta. Es común que

las inversiones comiencen con un modelo pobre para poner dentro un mínimo local, nunca

para aproximar la solución actual. Este es un resultado de la linealización del problema, y se

usan varias estrategias para mover un rango más amplio de parámetros y buscar un mínimo

global. (Lay, 1995)

Parámetros Valor 1era 2da 3er 4ta 5ta 6ta

estimado Iteración Iteración Iteración Iteración Iteración Iteración

X 21 29.3 30.0 30.0 30.0 30.0 30.0

Y 21 30.7 30.2 30.2 30.2 30.2 30.2
Z 12 21.1 11.1 9.1 8.9 8.9 8.9
T 30 34.5 35.0 35.0 35.0 35.0 35.0
Tabla 2 Resultados Obtenidos
 Página 19

2. Desarrollo de cálculos matemáticos

 Derivando la función del tiempo para el parámetro “x” (Longitud)

√(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

𝑡𝑖 = 𝑡 +
𝑣

1
∂𝑡𝑖 1((𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2 )−2
= ∗ (2(𝑥𝑖 − 𝑥)1 ) ∗ (−1)
∂𝑥 2⋅𝑣

∂𝑡𝑖 −(𝑥𝑖 − 𝑥)
=
∂𝑥 𝑣 ∗ √(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

∂𝑡𝑖
=1
∂𝑧

 Derivando la función del tiempo para el parámetro “y” (Latitud)

√(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

𝑡𝑖 = 𝑡 +
𝑣
1
∂𝑡𝑖 1((𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2 )−2
= ∗ (2(𝑦𝑖 − 𝑦)1 ) ∗ (−1)
∂𝑦 2⋅𝑣

∂𝑡𝑖 −(𝑦𝑖 − 𝑦)
=
∂y 𝑣 ∗ √(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

∂𝑡𝑖
=1
∂𝑦
 Página 20

 Derivando la función del tiempo para el parámetro “z” (Profundidad)

√(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

𝑡𝑖 = 𝑡 +
𝑣
1
∂𝑡𝑖 1((𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2 )−2
= ∗ (2(𝑧𝑖 − 𝑧)1 ) ∗ (−1)
∂z 2⋅𝑣

∂𝑡𝑖 −(𝑧𝑖 − 𝑧)
=
∂z 𝑣 ∗ √(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2

∂𝑡𝑖
=1
∂𝑧

3. Ejecución del Script de Inversión

 Para automatizar a través del uso de software se debe tener:

 un código de inversión o algoritmo,

El algoritmo se puede definir como "Una secuencia de pasos a realizar para un

resultado requerido desde una determinada entrada dada". Hay 3 características

principales del algoritmo; es obtener un resultado específico, implica varios pasos

continuos y por ultimo el resultado se produce después de que el algoritmo finalizó

todo el proceso.

 Un archivo de entrada (datos)

Los datos del sismo serán cargados en el archivo SISMO.txt con el siguiente

formato:
 Página 21

X Y Z t
2.0 31.0 0.0 40.02
3.0 -5.0 0.0 42.76
50.0 58.0 0.0 41.07
55.0 47.0 0.0 40.38
81.0 3.0 0.0 45.05
-9.0 -18.0 0.0 45.75

Tabla 3 Datos del ejercicio propuesto (Lay, 1995)

 Para llevar este problema inverso al cálculo numérico en el software tenemos que

discretizar todos los datos y representarla como una suma finita de términos. En el

cálculo manual se desarrollan derivadas parciales. En este caso (localización de

hipocentro), la ecuación del tiempo ya se encuentra calculada para cada

parámetro.

 El valor de la velocidad utilizado en el ejemplo es de 5.8 km/s y la ecuación será

evaluada de la siguiente forma: (Estrada & Goldbach, 2011)

∂t i −(xi − x0 )
=
∂x v√(xi − x0 )2 + (yi − y0 )2 + (zi − z0 )2

∂t i −(yi − y0 )
=
∂y v√(xi − x0 )2 + (yi − y0 )2 + (zi − z0 )2

∂t i −(zi − z0 )
=
∂z v√(xi − x0 )2 + (yi − y0 )2 + (zi − z0 )2
 Página 22

 Teniendo como base las matrices armadas procedemos a ejecutar el script

Ilustración 2 Paso Octave

Ilustración 3 Paso Octave

 Página 23

Ilustración 4 Paso Octave

 Estos nuevos parámetros aproximados (x1, y1, z1, t1) son se utilizan para repetir el

proceso y obtener unos parámetros (x2, y2, z2, t2) más precisos, y así sucesivamente

iterando hasta que “d” sea aceptablemente pequeño. (Lay, 1995)

Parámetros Valor 1era 2da 3er 4ta 5ta 6ta

estimado Iteración Iteración Iteración Iteración Iteración Iteración

X 21 29.3 30.0 30.0 30.0 30.0 30.0

Y 21 30.7 30.2 30.2 30.2 30.2 30.2
Z 12 21.1 11.1 9.1 8.9 8.9 8.9
T 30 34.5 35.0 35.0 35.0 35.0 35.0
Tabla 4 Resultados Obtenidos (Lay, 1995)
 Página 24

ANÁLISIS DE RESULTADOS

Cuando se termina de armar la matriz G, a partir del desarrollo de derivadas parciales para

cada parámetro (Latitud, longitud, profundidad y tiempo), se genera una solución aleatoria, a eso

se le denomina iteración. Este procedimiento se repite varias veces hasta estabilizar el modelo y la

varianza y covarianza se controla con la distribución de Gauss aplicando el método de mínimos

cuadrados. El objetivo de realizar varias veces iteraciones permite suavizar y estabilizar el modelo.

Es claro que los errores de medición causarán errores en la determinación de los parámetros

del modelo. Se asume generalmente que los errores asociados con los datos son aleatorios con la

distribución gaussiana.
 Página 25

DISCUSIONES

En la mayoría de los problemas en geofísica, estamos involucrados con muchos más datos

que parámetros del modelo. Se supone que todos los datos son independientes y que cada

parámetro del modelo afecta a todos los datos. Para el problema de la localización de un terremoto,

esta suposición es válida, pero no para muchos otros problemas inversos de la geofísica. La

solución a este problema se puede deducir a partir de la inversa de “G”

𝐆𝐩−1 = 𝐕𝐩 𝚲𝐩 −1 𝐔𝐩⊤ (48)

Esta ecuación se la utiliza para resolver el problema inverso, pero necesitamos volver un

paso atrás y evaluar el significado de la inversa. Para desarrollar cualquier caso deberíamos

preguntarnos si podemos determinar cada uno de los parámetros del modelo, como son las

observaciones individuales para nuestra solución.

Por otro lado, cuando se ejecutó el algoritmo se deduce que el código “svd” se traduce como un

método para calcular autovalores y auto vectores para matrices que no son cuadráticas. A partir de

ese procedimiento se halla la matriz “R” (matriz resolución) y la matriz “D” (densidad de datos).

En este proceso se da la disyuntiva si la matriz “R” de da por la multiplicación o por la suma de

matrices.
 Página 26

CONCLUSIONES

1. A partir de un conjunto de datos observados aparentes tienen que ajustarse a un modelo

teórico a través de una eliminación gaussiana o método de mínimos cuadrados. El error

tiene que aproximarse a cero, para concluir que los parámetros del modelo son estables.

2. Los algoritmos que se pueden utilizar hoy en día para hacer inversión, automatizan el

proceso hasta llegar un modelo matemático, en este caso un modelo de velocidad.

3. La revisión y desarrollo de este caso permite entender completamente el proceso de

inversión en todas sus etapas.

4. Para el ejercicio propuesto, si no se aplica bien el método de mínimos cuadrados, no

sería posible recrear bien los datos observados aparentes y sus respectivas mediciones.

Se tiene que ajustar el modelo sintético (ósea minimizar el error) con respecto al

modelo real.

5. La matriz principal se arma a partir de una ecuación de inicio. Si esta ecuación es lineal

es más simple de desarrollar, si es más compleja se discretiza para armar los parámetros

en función a una variable.

6. En esta descripción se establece que el método de INVERSA GENERALIZADA, está

considerada hoy en día como una herramienta principal para interpretar sismogramas

y linealizar otros problemas geofísicos.

7. Para el caso específico propuesto de Localización del epicentro, se considera un

PROBLEMA INVERSO NO LINEAL, el desarrollo matemático por la serie de Taylor

permite resolver las derivadas en la matriz A y con esto recrear los autovalores y auto

vectores en la matriz G.
 Página 27

BIBLIOGRAFÍA

Estrada, L. A., & Goldbach, J. R. (2011). Localización de Epicentros. Cátedra de Geofísica, 21.

Gonzales, E. (2016). Msc. Ing. Edgard Gonzales Z Universidad Nacional de San Agustín Arequipa, Perú.

Lay, T. (1995). SISMOLOGÍA GLOBAL MODERNA.

Zhdanov, M. S. (2015). Inverse Theory and Applications in Geophysics.