Inversión de datos
geofísicos
Presenta:
-1-
Error
Una de las formas más comunes de cuantificar el error, es aplicando la
familia de normas L:
Para la norma L2:
Facultad de Ingeniería, UNAM -2-
Superficies de Costo
Espacio de Modelos:
Formado por la combinación de todos los posibles modelos que podría tener un
problema específico.
Una superficie de costo es una representación 3D del error del espacio de
modelos cuando m=2
Resolver un problema inverso en este contexto, implicaría determinar el mínimo
global de una superficie de costo.
2000
P a ra m e tro B (R t)
Error o costo
0
1000
-40 -30 -20 -10 0 10 20 30 40 50
Param etro 1 (To)
Facultad de Ingeniería, UNAM -3-
Superficies de Costo
N orm a L1
20
P aram etro B (R t)
5
0
10
-40 -30 -2 0 -10 0 10 20 30 40 50
Param etro 1 (To )
N orm a L2
400
0
La forma de la superficie de costo
200
-40 -30 -2 0 -10 0 10 20 30 40 50
puede variar ligeramente, de 0
acuerdo con la norma utilizada N orm a L3
para medir el error:
20 0
5
0
10 0
-40 -3 0 -20 -10 0 10 20 30 40 50
0
N orm a L10 1 4 0
1 3 0
1 2 0
1 1 0
5 1 0 0
9 0
0 8 0
7 0
6 0
5 0
-40 -30 -20 -10 0 10 20 30 40 50 4 0
3 0
2 0
1 0
0
Facultad de Ingeniería, UNAM -4-
Superficies de Costo
No unicidad: 1 00
90
E rror
80 0.058
0.056
0.054
0.052
70 0.05
0.048
0.046
0.044
60 0.042
0.04
0.038
0.036
50 0.034
0.032
0.03
0.028
0.026
40 0.024
0.022
0.02
0.018
30 0.016
0.014
0.012
0.01
20 0.008
0.006
0.004
10
0 0.2 0.4 0.6 0.8 1 1 .2 1 .4 1.6 1.8 2
Facultad de Ingeniería, UNAM -5-
Mínimos Cuadrados
Recordando que:
d Gm
El problema de inversión por mínimos cuadrados se resuelve a través de la
solución generalizada:
m G G GT d
T
1
Que para un modelo de línea recta, también se puede expresar como:
N 1
N
N zi di
m N i 1
N N i 1
z 2 z d
i zi i i
i 1 i 1 i 1
Demostración …
Facultad de Ingeniería, UNAM -6-
Mínimos Cuadrados
Ejercicio:
Obtener una expresión para la solución del modelo de una parábola:
d i m1 m2 zi m3 zi2
Demostrar que la solución por mínimos cuadrados para el modelo de un plano
es:
N N 1
N
N x i yi di
N i 1
N N
i 1
N i 1
m xi i x d
2
x x i y i i i
i 1 i 1 i 1 i 1
N N N N
yi x y i i y 2
i yi d i
i 1 i 1 i 1 i 1
Facultad de Ingeniería, UNAM -7-
Error con restricción
Al trabajar en inversión lineal se minimizan funciones objetivo (error,
distancia, longitud, …).
Ajuste de datos por un modelo
Inversión de datos teórico con valor de función
objetivo “error” mínimo
Es posible integrar información de naturaleza restrictiva en los problemas de
inversión, a través de MULTIPLICADORES DE LAGRANGE, que para mínimos
cuadrados (norma L2) se definen como un factor de peso sobre la condición
restrictiva Fm=h, sumados a la función objetivo original.
Función Objetivo : eT e d Gm d Gm
T
Restricción : Fm h
Función Objetivo
eT e d Gm d Gm Fm h
T
Restricción :
Facultad de Ingeniería, UNAM -8-
Error con restricción
Al minimizar esta expresión tenemos:
eT e
G T
d G T
Gm F T
0
T
m
G T Gm F T G T d .......................... 1
Que es una ecuación matricial con dos incógnitas: my
Para resolver (1) es necesario introducir una ecuación matricial, la cual estará
formada por las condiciones restrictivas:
Fm h .......................... 2
Reescribiendo el sistema formado por (1) y (2):
G T Gm F T G T d .......................... 1
Fm h ........................... 2
1
G T G F T m G T d m G T G F T G T d
F 0
h
F 0 h
Facultad de Ingeniería, UNAM -9-
Error con restricción
Entonces, resolver un problema inverso imponiendo restricciones sobre la
función objetivo, significa forzar al método para ajustar datos con el modelo
teórico que simultáneamente, satisfaga ciertas condiciones a priori (restricciones)
y tenga el menor error de ajuste.
Facultad de Ingeniería, UNAM - 10 -