1D SEISMIC INVERSION USING SIMULATED ANNEALING
Autor(a) principal: | |
---|---|
Data de Publicação: | 1997 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@2 |
Resumo: | O problema de Inversão Sísmica envolve a determinação das propriedades físicas da superfície a partir de dados amostrados na superfície. A construção de um modelo matemático da resposta da subsuperfície à excitação de uma fonte sísmica, tendo como parâmetros as propriedades físicas da subsuperfície, fornece um modelo sintético desta resposta para determinados valores dos parâmetros. Isto permite comparar dados amostrados e modelos sintético. A perturbação do modelo pela variação dos seus parâmetros pode aproximar dados amostrados e sintéticos e colocar o problema da Inversão como um problema de minimização de uma função de erro que os ajuste de forma adequada. Usualmente, os métodos que tentam minimizar a medida a medida de erro supõem um comportamento linear entre a perturbação do modelo e esta medida. Na maioria dos problemas geofísicos, esta medida apresenta um alto grau de não linearidade e uma grande quantidade de mínimos locais. Isto torna estes métodos baseados em aproximações lineares muito sensíveis à escolha de uma boa solução inicial, o que nem sempre está disponível. Como resolver este problema sem uma boa solução inicial? A teoria da Inferência Bayesiana oferece uma solução pelo uso de informação a priori sob o espaço dos parâmetros. O problema de Inversão volta então a ser um problema de otimização onde se precisa maximizar a probabilidade a posteriori dos parâmetros assumirem um certo valor dado que se obteve o resultado da amostragem dos dados. Este problema é resolvido pelo método do Simulated Annealing (SA), método de otimização global que faz uma busca aleatória direcionada no espaço de solução. Este método foi proposto por uma analogia entre o recozimento física de sólidos e problemas de otimização. O SA, na sua variante Very Fast Simulated Annealing (VFSA), é aplicado na solução de problemas de Inversão Sísmica 1 D para modelos acústico e elásticos gerados sinteticamente. A avaliação do desempenho do SA usando medidas de erro com diferentes normas é realizada para um modelo elástico adicionado de ruído aleatório. |
id |
PUC_RIO-1_5a7c8d783a081c89c5caab33648533d0 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:7536 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis1D SEISMIC INVERSION USING SIMULATED ANNEALING A INVERSÃO SÍSMICA 1D USANDO O SIMULATED ANNEALING 1997-09-12PAULO LEO MANASSI OSORIO06202586753EDUARDO LOPES DE FARIA29979676604lattes.cnpq.br/7437941348489104JURANDYR SCHIMIDTPAULO LEO MANASSI OSORIOMARCO AURELIO CAVALCANTI PACHECOMARCO AURELIO CAVALCANTI PACHECOLUIZ PEREIRA CALOBA05370188750JORGE MAGALHAES DE MENDONCAPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBRO problema de Inversão Sísmica envolve a determinação das propriedades físicas da superfície a partir de dados amostrados na superfície. A construção de um modelo matemático da resposta da subsuperfície à excitação de uma fonte sísmica, tendo como parâmetros as propriedades físicas da subsuperfície, fornece um modelo sintético desta resposta para determinados valores dos parâmetros. Isto permite comparar dados amostrados e modelos sintético. A perturbação do modelo pela variação dos seus parâmetros pode aproximar dados amostrados e sintéticos e colocar o problema da Inversão como um problema de minimização de uma função de erro que os ajuste de forma adequada. Usualmente, os métodos que tentam minimizar a medida a medida de erro supõem um comportamento linear entre a perturbação do modelo e esta medida. Na maioria dos problemas geofísicos, esta medida apresenta um alto grau de não linearidade e uma grande quantidade de mínimos locais. Isto torna estes métodos baseados em aproximações lineares muito sensíveis à escolha de uma boa solução inicial, o que nem sempre está disponível. Como resolver este problema sem uma boa solução inicial? A teoria da Inferência Bayesiana oferece uma solução pelo uso de informação a priori sob o espaço dos parâmetros. O problema de Inversão volta então a ser um problema de otimização onde se precisa maximizar a probabilidade a posteriori dos parâmetros assumirem um certo valor dado que se obteve o resultado da amostragem dos dados. Este problema é resolvido pelo método do Simulated Annealing (SA), método de otimização global que faz uma busca aleatória direcionada no espaço de solução. Este método foi proposto por uma analogia entre o recozimento física de sólidos e problemas de otimização. O SA, na sua variante Very Fast Simulated Annealing (VFSA), é aplicado na solução de problemas de Inversão Sísmica 1 D para modelos acústico e elásticos gerados sinteticamente. A avaliação do desempenho do SA usando medidas de erro com diferentes normas é realizada para um modelo elástico adicionado de ruído aleatório.The seismic inverse problem involves determining the subsurface physical properties from data sampled at Earth`s surface. A mathematical model of the response of the subsurface excited by a seismic source, having physical properties as parameters, provides a synthetic model for this response. This makes possible to compare sampled and synthetic data. The perturbation in the model due to the variation of its parameters can approximate these data and states the inversion problem as the minimization of an error function that fits them adequately. Usually, the methods which attempt to minimize this error assume that a perturbation in the model is linearly relates with a perturbation in the measured response. Most geophysical inverse problems are highly nonlinear and are rife with local minima. Therefore these methods are very sensitive to the choice of the initial model and good starting solutions may not be available. What should be done, if there is no basis for an initial guess? The theory of Bayesian inference provides an answer to this question taking into account the prior information about the parameter space. The inverse problem can then be stated as an optimization problem whose goal is to maximize the posterior probability that the set of parameters has a certain value once given the result of the sample. This problem is solved by the Simulated Annealing method, a global optimization method that executes a oriented random search in the solution space. This method comes from an analogy between the physical annealing of solids and optimization problems. The Very Fast Simulated Annealing (VFSA), a variant of SA, is applied to the solution of 1 D seismic inverse problems generated synthetically by acoustic and alastic done by a elastic model with additive noise.https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T12:47:41Zoai:MAXWELL.puc-rio.br:7536Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-08-26T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.en.fl_str_mv |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
dc.title.alternative.pt.fl_str_mv |
A INVERSÃO SÍSMICA 1D USANDO O SIMULATED ANNEALING |
title |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
spellingShingle |
1D SEISMIC INVERSION USING SIMULATED ANNEALING JORGE MAGALHAES DE MENDONCA |
title_short |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
title_full |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
title_fullStr |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
title_full_unstemmed |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
title_sort |
1D SEISMIC INVERSION USING SIMULATED ANNEALING |
dc.creator.Lattes.none.fl_str_mv |
|
author |
JORGE MAGALHAES DE MENDONCA |
author_facet |
JORGE MAGALHAES DE MENDONCA |
author_role |
author |
dc.contributor.advisor1Lattes.none.fl_str_mv |
|
dc.contributor.advisor1.fl_str_mv |
PAULO LEO MANASSI OSORIO |
dc.contributor.advisor1ID.fl_str_mv |
06202586753 |
dc.contributor.advisor-co1.fl_str_mv |
EDUARDO LOPES DE FARIA |
dc.contributor.advisor-co1ID.fl_str_mv |
29979676604 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
lattes.cnpq.br/7437941348489104 |
dc.contributor.referee1.fl_str_mv |
JURANDYR SCHIMIDT |
dc.contributor.referee2.fl_str_mv |
PAULO LEO MANASSI OSORIO |
dc.contributor.referee3.fl_str_mv |
MARCO AURELIO CAVALCANTI PACHECO |
dc.contributor.referee4.fl_str_mv |
MARCO AURELIO CAVALCANTI PACHECO |
dc.contributor.referee5.fl_str_mv |
LUIZ PEREIRA CALOBA |
dc.contributor.authorID.fl_str_mv |
05370188750 |
dc.contributor.author.fl_str_mv |
JORGE MAGALHAES DE MENDONCA |
contributor_str_mv |
PAULO LEO MANASSI OSORIO EDUARDO LOPES DE FARIA JURANDYR SCHIMIDT PAULO LEO MANASSI OSORIO MARCO AURELIO CAVALCANTI PACHECO MARCO AURELIO CAVALCANTI PACHECO LUIZ PEREIRA CALOBA |
description |
O problema de Inversão Sísmica envolve a determinação das propriedades físicas da superfície a partir de dados amostrados na superfície. A construção de um modelo matemático da resposta da subsuperfície à excitação de uma fonte sísmica, tendo como parâmetros as propriedades físicas da subsuperfície, fornece um modelo sintético desta resposta para determinados valores dos parâmetros. Isto permite comparar dados amostrados e modelos sintético. A perturbação do modelo pela variação dos seus parâmetros pode aproximar dados amostrados e sintéticos e colocar o problema da Inversão como um problema de minimização de uma função de erro que os ajuste de forma adequada. Usualmente, os métodos que tentam minimizar a medida a medida de erro supõem um comportamento linear entre a perturbação do modelo e esta medida. Na maioria dos problemas geofísicos, esta medida apresenta um alto grau de não linearidade e uma grande quantidade de mínimos locais. Isto torna estes métodos baseados em aproximações lineares muito sensíveis à escolha de uma boa solução inicial, o que nem sempre está disponível. Como resolver este problema sem uma boa solução inicial? A teoria da Inferência Bayesiana oferece uma solução pelo uso de informação a priori sob o espaço dos parâmetros. O problema de Inversão volta então a ser um problema de otimização onde se precisa maximizar a probabilidade a posteriori dos parâmetros assumirem um certo valor dado que se obteve o resultado da amostragem dos dados. Este problema é resolvido pelo método do Simulated Annealing (SA), método de otimização global que faz uma busca aleatória direcionada no espaço de solução. Este método foi proposto por uma analogia entre o recozimento física de sólidos e problemas de otimização. O SA, na sua variante Very Fast Simulated Annealing (VFSA), é aplicado na solução de problemas de Inversão Sísmica 1 D para modelos acústico e elásticos gerados sinteticamente. A avaliação do desempenho do SA usando medidas de erro com diferentes normas é realizada para um modelo elástico adicionado de ruído aleatório. |
publishDate |
1997 |
dc.date.issued.fl_str_mv |
1997-09-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@2 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7536@2 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.publisher.program.fl_str_mv |
PPG EM ENGENHARIA ELÉTRICA |
dc.publisher.initials.fl_str_mv |
PUC-Rio |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1748324885922316288 |