Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los problemas de inversión regularmente inician prediciendo la respuesta física de un sistema con
parámetros conocidos. A partir de esto se generan modelos idealizados del terreno y se establecen
los valores esperados para cada modelo. Estos modelos ven el terreno como una rejilla de puntos y
en cada uno esperamos cierto valor.
Para realizar inversión de datos usualmente se utiliza software que genera los posibles modelos al
probar todas las posibles combinaciones de datos en la rejilla de puntos, y compara estos modelos
con las mediciones reales hechas en campo para encontrar coincidencias. Por ejemplo, si esperamos
que nuestras mediciones solo tomen dos valores y nuestra rejilla de puntos es de 45 locaciones, el
espacio modelo seria representado por todos los modelos de 45 puntos con magnitudes que varían
entre los dos valores esperados. Por otro lado, el espacio de datos consiste en todas las posibles
predicciones de datos.
Hay que considerar que es casi imposible examinar cada modelo por completo cuando se hace la
inversión y que casi siempre hay varios modelos que se ajustan a las observaciones de campo. Por
lo anterior es necesario tener cierta información sobre el terreno antes de hacer las mediciones,
esto es información a priori. La cual nos sirve para descartar ciertos modelos que son poco probables
de ser los adecuados. La información a priori es independiente a lo observado en campo, mientras
que la información posterior es el resultado de las inferencias hechas de los datos y la información
a priori. La plausibilidad es la cantidad de información acerca del subsuelo que es independiente a
las observaciones de campo.
Recapitulando, la inversión de datos geofísicos busca hacer inferencias acerca de sistemas físicos a
partir de datos medidos en campo. Usualmente habrá más de un modelo que se ajuste a las
mediciones. Para poder dar con el modelo adecuado se deben considerar aspectos como: la
precisión y calidad de los datos, la precisión de los modelos, considerar los elementos físicos del
sistema que afectan a los datos e información a priori o independiente a las mediciones. Siempre
habrá modelos no adecuados que encajen con los datos, por lo tanto, es necesario un proceso
sistemático para descartar dichos modelos.