INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
• Enfoque directo, que esta basado en transformaciones de los datos<br />
experimentales y<br />
• Enfoque indirecto, que se basa en la comparación de los datos de modelación<br />
y datos experimentales.<br />
El enfoque directo permite evaluar solamente algunos parámetros integrales del<br />
yacimiento como su masa, localización del centro de masa etc. Para esto se usan<br />
varios métodos de transformación de los campos geofísicos. Este enfoque y su<br />
aplicación a varios problemas prácticos de otras áreas está descrito<br />
detalladamente en los libros de ingeniería [Hensel, 1991; Trujillo, 1997]. Los<br />
procedimientos de transformación de los datos experimentales que se usan bajo<br />
este enfoque se reducen a problemas incorrectos de física matemática. Aquí hay<br />
que usar los así llamados métodos de regularización [Heinz, 1996] que son el<br />
desarrollo de la teoría clásica de regularización de Tikhonov. Pero la<br />
regularización requiere de información a priori acerca de los parámetros probables<br />
del modelo. A menudo se carece de esta información.<br />
El enfoque principal es el enfoque indirecto que permite evaluar los parámetros del<br />
modelo mucho más detalladamente. Aquí el problema inverso se reduce a la<br />
solución de un problema de optimización donde la función de criterio depende de<br />
la cercanía entre los datos experimentales y los datos de modelación. La forma<br />
concreta de esta función se define en base al interés del usuario y a los requisitos<br />
de precisión de la solución. Como se mencionaba anteriormente a menudo se usa<br />
la siguiente función cuadrática:<br />
n<br />
f(X) = 1/n∑ |F m (X, D k ) - F o (D k )| 2<br />
k=<br />
1<br />
Donde:<br />
X = {x 1 ,x 2 ,...x m } = parámetros del modelo dado.<br />
D k = puntos de observación.<br />
F m (X, D k ) = resultados de la modelación.<br />
F o (D k ) = datos experimentales.<br />
Desde luego se pueden proponer diversas formas para la función de criterio que<br />
satisfagan requisitos especiales.<br />
La primera experiencia de la aplicación de los métodos de optimización para la<br />
interpretación de los datos geofísicos fue descrita en [Bulakh, 1972]. En este libro<br />
se consideró el modo automático cuando un usuario no toma parte en el control de<br />
búsqueda. Pero el modo automático encuentra muchas dificultades en caso de los<br />
modelos complejos. Estas dificultades se muestran en la figura 1.3-1, donde hay<br />
varios extremos relativos de la función y existe una zona de insensibilidad al<br />
cambio de valor en uno de los parámetros. Como consecuencia de esto, los<br />
métodos automáticos encuentran un mínimo local lejano del mínimo global y usan<br />
demasiados pasos de iteración. En los problemas reales cada paso del método<br />
requiere de muchos recursos de cómputo ya que hay que resolver el problema<br />
directo varias veces.<br />
16