Resumen:
Uno de los problemas más importantes con los que se enfrenta la geofísica es el de generar
modelos geológicos congruentes tanto con la física como con la geología de la zona en la que
se está trabajando, para ello la rama de geofísica conocida como inversión utiliza diversos
métodos para realizar el ajuste de los datos levantados en campo a modelos geológicos representativos,
sin embargo, con el desarrollo de la ciencia de la computación ha surgido una
gran variedad de métodos de optimización que no se habían tomado en consideración para
la inversión geofísica hasta hace poco tiempo, así que con el propósito de ampliar las opciones
para realizar inversión geofísica se eligió el algoritmo de optimización por enjambre
de partículas para resolver el problema inverso con datos de gradiometría gravimetrica de
tensor completo.
En la zona vinton de Lousiana se encuentra una estructura geológica que consiste en una capa
de roca que sobreyace un domo salino la cual se ha estudiado desde los años 1900, ya que
se han encontrado yacimientos de gas en la región, sin embargo, resulta sumamente complejo
y caro perforar la capa de roca directamente, es por esto que surgió el interés por estudiar
y caracterizar la capa de roca de la manera mas precisa posible, para así poder recuperar el
gas que se presupone existe debajo.
Dado el interés en el algoritmo de optimización por enjambre de partículas, se decidió invertir
la capa de roca del domo Vinton, para ello fué necesario utilizar el levantamiento aereo
de gradiometría de tensor completo realizado por la empresa BellGeospace.Inc, el cual está
conformado por los 6 componentes del tensor para la región de Vinton.
Para poder aplicar el método con los datos de gradiometría, fue necesario realizar diversas
pruebas previas para poder utilizar los datos del levantamiento, la primer prueba realizada
fué la optimización de una función estándar, una vez que el algoritmo logró optimizarla,
el paso siguiente consistió en resolver un problema geofísico con anomalías gravimétricas
convencionales generadas con modelos sintéticos, posteriormente se resolvió un problema
de gradiometría gravimétrica generado por un modelo sintético, y finalmente, se invirtió
la capa de roca, sin embargo para reducir la incertidumbre, se construyó un modelo 3D
partiendo de el procesado de los datos de gradiometría, finalmente dejando el algoritmo
depurar el modelo inicial para generar un modelo con el menor error de ajuste simultaneo
entre los perfiles de datos observados y calculados para los 6 perfiles selecciondos.
