![Page 1: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/1.jpg)
Parte D
Inversão de dados
Sumário:
Inversão 1-D e 2-D ER e TEM
![Page 2: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/2.jpg)
Formulação do problema inverso
DADOS
do
PARÂMETROS
mest
MODELO
1-D; 2-D; 3-D
Espaço dos dados
Espaço dos parâmetros
Método de Inversão
d = g(m)
![Page 3: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/3.jpg)
Dados:
Seja do o vector contendo os valores observados (valores medidos ou calculados a partir de valores medidos usando-se expressões algébricas). No caso específico dos métodos EM esses valores são, geralmente, os valores de resistividade aparente e/ou fases calculados para diferentes configurações geométricas do conjunto emissor-receptor e/ou para diferentes frequências. Cada elemento de do pode ser descrito como o valor aproximado do verdadeiro valor da grandeza a medir d, ao qual não se tem acesso, possuindo-se uma estimativa do erro da medida, tal que
d (do, d ) < d com a condição do d quando d 0
d representa uma distância (métrica) definida no espaço dos dados
![Page 4: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/4.jpg)
Parâmetros do modelo:
Seja mest o vector dos parâmetros do modelo adoptado para a interpretação dos dados. No caso dos métodos EM o vector mest corresponde a valores de resistividade (ou condutividade) eléctrica e, em alguns modelos, a profundidades (localização) de interfaces que separam meios com propriedades geoeléctricas distintas.
No problema inverso o vector mest é o vector das incógnitas e a resolução do problema inverso deverá permitir conhecer os elementos deste vector. De acordo com os métodos adoptados neste curso, para a resolução do problema inverso, os valores de mest representam uma estimativa dos verdadeiros valores dos parâmetros m, isto é,
m(mest, m ) < m com a condição mest m quando m 0
m representa uma distância (métrica) definida no espaço dos parâmetros
![Page 5: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/5.jpg)
d = g (m)
Modelo:
relações matemáticas entre parâmetros e dados:
Tipo de PI:
-Linear
-Não Linear
-sobre-determinado
-subdeterminado
Métodos:
-Optimização local
-Optimização global
![Page 6: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/6.jpg)
O problema inverso consiste, então, na determinação de mest cumprindo duas condições necessárias:
1) os valores da resposta do modelo dc = g (mest), devem ser compatíveis com os dados do, isto é, d (do, dc ) <
2) deve ser possível estimar os erros do modelo calculado, isto é, deve ser possível determinar os limites de validade do modelo calculado
as duas condições enumeradas são necessárias mas não são suficientes. Uma terceira condição deverá ser imposta, a saber:
3) o modelo calculado deve ser interpretável em termos geológicos, devendo estar de acordo com a informação disponível
![Page 7: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/7.jpg)
A resolução do PI deve levar em atenção a informação contida nos dados que depende:
- da qualidade dos dados (erros)
- do desenho da aquisição e resolução do método
- dos problemas de equivalência
Deve-se evitar:
- a sobre-parametrização
- o sobre-ajustamento (“over-fitting”) dos dados
Algumas lembranças:
![Page 8: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/8.jpg)
Problema Linear: g(m) = d - A m = d
Problema sobre-determinado (N > M)
Método dos mínimos quadrados
1. Definir a função objectivo a minimizar Q = || do – g(mest) ||2
2. Minimizar Q = || do – A m ||2 ;
3. Constituir o sistema: AT A mest = AT do
4. Solução do sistema: mest = (AT A)-1 AT do
0m
Q
Método minimização local
![Page 9: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/9.jpg)
Exemplo: ajuste de uma recta: y= a + b x
Dados: y1, y2, y3, y4, y5
Q =|| y – (a+bx)||2
ii
i
iii
i
ii
ii
iii
iii
xy
y
b
a
xxx
xN
xbxayb
Q
bxaya
Q
bxayQ
0)())((2
0)1())((2
))((
5
1
5
1
5
1
2
![Page 10: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/10.jpg)
Método minimização local
Inversão 1-D
- Seja um problema não linear;
- Método iterativo
- Problema sobre-determinado (N > M) que pode ser resolvido usando mínimos quadrados
Função objectivo: = d = || do - g(mest) ||2
a minimizar
“conhecido o vector de dados do(d1,…,dN), deve determinar-se o vector de parâmetros mest(m1,…,mM) que, de acordo com o modelo dc = g (mest), cumpre a condição d(do, dc)< “.
![Page 11: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/11.jpg)
mk+1 = mk + m
Lineariza-se o problema (desenvol. Taylor). Tem-se na iteração k+1:
g(mk+1) = g(mk) + J(mk) m + R (mk, m) Jij = gi / mj
Na iteração (k+1)
d = || do - g(mest) ||2
= || do - g(mk) + J(mk) m ||2
Minimização:
0md
![Page 12: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/12.jpg)
A solução será:
[ J(mk)T J(mk) ] m = J(mk)T (do - g(mk) )
m = S-g (do - g(mk ) )
S-g = [ J(mk)T J(mk)]-1 J(mk)T Inversa generalizada:
![Page 13: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/13.jpg)
A resolução do sistema de equações pode ser feita através da SVD
J = U VT
JJT JTJ
S-g = V -1 UT
m = V -1 UT (d - g(mk ) )
m = ∑ (i / (2i +2) βi Vi
β = UT (d - g(mk ))
Levenberg-Marquardt
![Page 14: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/14.jpg)
Este algoritmo corresponde a minimizar a função objectivo:
= || d - g(m) ||2 + 2 ||m||2
RESISTIVITY vs. TIME
Oh
m-m
0.1 1 10 10 2 10 3 10 4 10 5 10 6
time, s
1
10
100
10 3
10 4
RESISTIVITY vs. DEPTH
de
pth
(m
)
1 10 100 10 3 10 4 10 5
1/Ohm
0
10
20
30
40
50
60
70
![Page 15: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/15.jpg)
Métodos de regularização (Tikhonov/Occam)
“...encontrar uma solução que minimize a norma euclidiana || L m ||2 cumprindo o constrangimento ||g(m) – d ||2 “.
L é uma matriz conhecida como matriz de regularização (ou suavização).
= || d - g(m) ||2 + 2 ||Lm||2
121
....
....
......
......
1210
0121
L
![Page 16: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/16.jpg)
mk+1 = mk + m = (J(mk)T J(mk) + 2 LT L)-1 J(mk) T d(mk)
d = d - g(mk) + J(mk) mk
12 14 16 18 20
||2||
0
1
2
3
4
5
||1
||
0.00100.01000.1000
1.0000
3.0000
10.0000
Curva L
|| d - g(m) || versus ||Lm||
![Page 17: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/17.jpg)
1) minimiza a norma L2
2) minimiza a rugosidade
3) minimiza a variação total dos parâmetros
![Page 18: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/18.jpg)
Métodos LCI (Laterally Constrained 1D Inversion)
Problemas com o método Tikhonov/Occam:
- Modelos com anomalias difusas;
- Em meios estratificados as interfaces mais profundas são mal resolvidas
Problemas com os modelos 1-D:
- Quando colocados lado a lado para formar uma imagem 2D, há variações bruscas originadas por interferências laterais ou ambiguidades devido ao corte geoeléctrico.
![Page 19: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/19.jpg)
(de Auken et al. 2000)
O método LCI tenta resolver alguns destes problemas.
![Page 20: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/20.jpg)
δm = [ G’T C’-1 G’ ]-1 [ G’T C’-1 δd’
G’ = [J, P, R ]T
d’ = [δdo, δmpriori, δr ]T
J – Matriz das derivadas
P –Matriz da informação à priori
R – Matriz de suavização
![Page 21: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/21.jpg)
![Page 22: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/22.jpg)
![Page 23: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/23.jpg)
*
*
*
*
*
*
*
*
*
*
*
*
A
B
LCI com constrangimentos 2D
(de Monteiro Santos e Trianatafilis 2010)
![Page 24: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/24.jpg)
Métodos de minimização global
O que são;
Quando se usam;
Vantagens em relação aos métodos de minimização local;
Desvantagens;
![Page 25: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/25.jpg)
“Simulated annealing (SA)”
Função objectivo (energia):
Mimetiza o processo de têmpera do metal
Ciclo externo
modelo m ; (m)
ciclo interno
gera modelo mp
(mp); Δ = (mp)- (m);
teste: Δ > 0 (Metropolis)
Δ < 0 (aceita, m=mp)
fim cI
T=T*0.9
Fim cE
P = exp((-)/T) Gera r aleatório r[0,1]
P > r (aceita, m=mp)P< r (regeita modelo)
![Page 26: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/26.jpg)
Lkk
T
Lkck
T
kP
T
m
k
1
1 2
1)ln(
O esquema de “arrefecimento”
Variação de T em três algoritmos SA. No esquema TimberWolf α aumenta inicialmente de 0.8 a 0.95 e depois diminui gradualmente.
Tk = α Tk-1
![Page 27: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/27.jpg)
P(m) é a densidade de probabilidade a posterior,P(m) exp ((m))
<m> = m P(m)
C = (m - <m>) (m - <m>)T P(m)
![Page 28: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/28.jpg)
Particle Swarm Optimization (PSO)
13
1 ki
ki
ki vcpresentpresent
c1 = 1.3, c2 = 2.0 e c3 = 0.05
)(())(() 12
11
1 ki
kii
ki
ki presentgbestrandcpresentpbestrandcvv
![Page 29: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/29.jpg)
imaging
The S-inversion
St
dS
M
t
B
dr
sourcethenearandtimeslateat
dr
dr
S
dM
r
tM
t
B
o
z
z
oz
z
/
)(16
3
)(
))(4(
)(249)(
4
)(
0
22
2/722
2
30
dz
dSz
z
dzS
)(
)(0
The conductance is:
The flux in the receiver is:
![Page 30: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/30.jpg)
V in the receiver is:
52
4
)(
1
4
3||
)(
1
16
3||
dS
MAnV
t
dS
MAnV
t
BAnV
o
z
)|'|
||4(
1
)|'(|
|)(|
)3(
163/4
3/5
3/43/1
3/1
tV
V
Sd
V
V
MAnS
o
o
These two equations can be used to calculate S and d
Differentiating (numerically) the S curve one obtain conductivity in function of depth.
![Page 31: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/31.jpg)
Equivalência em modelos 1-d
Equivalências em ER:
em S:
em T: iii hRT
i
i
i
h
RS
1
02
04
06
08
0
1 10
10
0
10
00
01
02
03
04
05
0
1 10
10
0
10
00
![Page 32: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/32.jpg)
Avaliação dos parâmetros
-Valores extremos
-Equivalência
-Resolução
![Page 33: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/33.jpg)
Valores extremos
v2
v1
m1 min m1 maxm1
m2
m0
A
B
a
Elipse de confiança. A e B são os pontos extremos na direcção a. m1min e m1max são os valores extremos do parâmetro m1. m0 representa o ponto óptimo (menor valor da função objectivo).
)96.1( jBjj emm
2/1
2
1
)/(
k
M
kjkkj VtB
2/1
1
2)(1
N
i
ci
oi dd
MN
![Page 34: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/34.jpg)
Análise da matriz V
![Page 35: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/35.jpg)
Equivalência em modelos 2-D
(de Muñoz 2005)
![Page 36: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/36.jpg)
(de Muñoz 2005)
![Page 37: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/37.jpg)
Aplicação a um modelo MT. a) modelo inicial obtido da inversão dos dados; b) Modelo de teste com modificação manual da anomalia C; c) Modelo obtido projectando a diferença entre a e b no espaço nulo; d) Modelo de teste em que se eliminou a anomalia C; e) modelo obtido da projecção da diferença entre d e a no espaço nulo (de Muñoz 2005).
![Page 38: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/38.jpg)
Matriz Resolução dos parâmetros
R = S-g J
mc = (mc)k + δm = (mc)k + S-g (d – g(mk))
d = g(mv) = g(mc)k + J (mv – (mc)k)
mc = (mc)k + S-g [J (mv-(mc)k )] = (mc)k + S-g J mv- S-g J (mc)k =
R mv + (I – R) (mc)k
diag [R]
![Page 39: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/39.jpg)
Sensibilidade
Nob
i j
ia
obj pN
S1
100
![Page 40: Parte D Inversão de dados Sumário: Inversão 1-D e 2-D ER e TEM](https://reader035.vdocuments.net/reader035/viewer/2022062700/552fc12f497959413d8d3b24/html5/thumbnails/40.jpg)
VOI ( volume of investigation index)
refref mm
mmv
12
12
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
V
678500 679500 680500
UTM coordinates in m
D epth = 15 m
825500
826500
827500
828500
829500
UT
M c
oord
inat
es
in m
---
> N
678500 679000 679500 680000 680500 681000
D epth = 50 m
825500
826000
826500
827000
827500
828000
828500
829000
829500
Mapas de VOI para duas profundidades de um modelo 3-D. A tracejado estão representados os valores iguais a 0.2 (de Monteiro Santos et al. 2008).