Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:
EPICENTROS”
PRESENTADO POR:
ASIGNATURA:
TEORÍA DE LA INVERSIÓN GEOFÍSICA
DOCENTE:
DR. CRISTOBAL CONDORI QUISPE
AREQUIPA - PERÚ
2021
ÍNDICE
RESUMEN .............................................................................................................................. 4
INTRODUCCIÓN .................................................................................................................. 5
DISCUSIONES ..................................................................................................................... 25
CONCLUSIONES ................................................................................................................ 26
BIBLIOGRAFÍA ................................................................................................................... 27
ÍNDICE DE FIGURAS
ÍNDICE DE TABLAS
Tabla 1 Ubicación Espacial de cada estación y Tiempos de arribo d elas Ondas "P".(Lay, 1995) _ 10
RESUMEN
(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.
un problema de sismología, para lo cual se vinculan ciertas leyes físicas y matemáticas que se
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
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
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
El presente informe también quiere demostrar la implicancia que tienen las leyes físicas y
importancia del software que reducen el trabajo del problema inverso a gran escala y que son
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
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)
componentes del movimiento del suelo, partiendo del hecho que la onda P está
La localización del sismo puede determinarse con el diagrama de Wadati, determinando una
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
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
Equipos calibrados.
Validación de data.
Ploteo
Filtros y preparación
Interpretación
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
A (m;d) = 0 (1)
Donde:
Los parámetros a calcular en sismología para la onda “P” y “S”, teniendo en cuenta el
X = Longitud
Y = Latitud
Z = Profundidad
T = Tiempo fuente-receptor
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
𝑻𝒊 ( 𝐦) = 𝑻( 𝐦, 𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) (3)
𝐦𝐓 = (𝑿𝟎 , 𝒚𝟎 , 𝒛𝟎 , 𝒕𝟎 ) (4)
Donde 𝐦𝐓 = Fuente
(𝒙𝒊 , 𝒚𝒊 , 𝒛𝒊 ) (5)
𝐝 = 𝐠(𝐦) (7)
semiespacio homogéneo que nos dan un camino de rayos rectos. Es decir que son ondas
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
Las ondas P fueron registradas con seis estaciones sísmicas, tal como se muestra:
Estación X Y TP di-d0
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
El primer paso para desarrollar el proceso de inversión, primero se tiene que estimar una
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)
error en los datos llevará a una solución incorrecta o a ecuaciones inconsistentes. Una vez que δx,
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.
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
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
SIGUIENTE ECUACIÓN:
𝟏/𝟐
[(𝐱𝟏 −𝐱)𝟐 +(𝐲𝟏 −𝐲)𝟐 +(𝐳𝟏 −𝐳)𝟐 ]
𝐭𝟏 = 𝐭 + (13)
𝐯
Página 13
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)
estimar una solución “m0”. Aproximamos los cambios en m0 con el desarrollo en Serie de
Taylor.
Donde 𝛅𝐦𝟎𝟏 es un incremento de los j-ésimos parámetros del modelo hacia un mejor ajuste de los
(𝛛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
X = Longitud
o Dato de entrada
Y = Latitud
o Dato de entrada
Z = Profundidad
o Dato de entrada
T = Tiempo fuente-receptor
o Dato de entrada
En este caso (localización de hipocentro), la ecuación del tiempo se deriva para cada
𝛛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
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
𝝏𝒅
𝜹𝒅𝟏 = 𝝏𝒎𝟏 𝜹𝒎𝑱 (25)
𝒋
𝛛𝐝
𝐆𝐢,𝐣 = 𝛛𝐦𝐢 (26)
𝐉
PARAMETRIZANDO
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.
V = son los autovectores de “G”, expande el espacio de los datos y definen un nuevo
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.
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
(30)
importancia de cada estación. Los valores más grandes (0.8992 y 0.8120) están asociados a las
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
8.268
m = 9.704
9.063 (31)
4.480
Página 18
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”,
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
usan varias estrategias para mover un rango más amplio de parámetros y buscar un mínimo
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
∂𝑡𝑖 −(𝑦𝑖 − 𝑦)
=
∂y 𝑣 ∗ √(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2
∂𝑡𝑖
=1
∂𝑦
Página 20
∂𝑡𝑖 −(𝑧𝑖 − 𝑧)
=
∂z 𝑣 ∗ √(𝑥𝑖 − 𝑥)2 + (𝑦𝑖 − 𝑦)2 + (𝑧𝑖 − 𝑧)2
∂𝑡𝑖
=1
∂𝑧
todo el proceso.
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
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
parámetro.
∂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
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
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
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
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
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).
matrices.
Página 26
CONCLUSIONES
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
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
considerada hoy en día como una herramienta principal para interpretar sismogramas
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.