Escolar Documentos
Profissional Documentos
Cultura Documentos
Inverso de dados em
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
CAPTULO
8.
INVERSO
GEOELECTROMAGNTICA
DE
DADOS
EM
PROSPECO
8.1. Introduo.
8.2. Formulao do problema inverso.
8.3. A informao contida nos dados.
8.4. Resoluo do problema inverso linear.
8.4.1. Constrangimentos
8.4.2. Covarincia dos parmetros
8.4.3. Matrizes da resoluo dos dados e dos parmetros
8.5. Resoluo do problema inverso no linear usando mtodos de minimizao
local.
8.5.1.O mtodo clssico de soluo do PI sobre-determinado (a inverso como
processo de optimizao).
8.5.2. O PI amortecido (misto). A informao a priori.
8.5.3. Os mtodos de regularizao (mtodo de Tikhonov).
8.5.4. O mtodo do gradiente descendente.
8.5.5. O mtodo de Newton.
8.5.6. O mtodo do gradiente conjugado.
8.6. Resoluo do problema inverso no linear usando mtodos de minimizao
global.
8.6.1. Simulated annealing (SA).
8.6.2. Controlled Random Search (CRS) -Procura aleatria controlada.
8.7. Anlise da soluo do PI.
8.8. Ambiguidade (equivalncia) e sensibilidade da soluo.
8.9. Inverso conjunta.
8.9.1. Inverso conjunta de dados de resistividade e MT.
8.9.2. Inverso conjunta de dados de GEM e ssmica.
8.10. Concluses
___________________________________________________________________
8.1. Introduo
A interpretao dos dados adquiridos numa campanha geofsica constitu um dos
mais importantes estdios do trabalho de geofsico. Por interpretao dos dados
entende-se aqui, a complexa (e difcil) tarefa de estabelecer um modelo geofsico
que cumpra duas condies fundamentais: 1) que satisfaa o conjunto de dados
recolhidos, de acordo com um critrio pr-estabelecido, e 2) seja susceptvel de ter
interpretao geolgica que esteja de acordo com a informao conhecida. Neste
contexto o termo modelo designa o conjunto de valores das propriedades fsicas das
rochas (designados por parmetros do modelo) que caracterizam o(s) fenmeno(s)
fsico em que se baseia a metodologia de prospeco utilizada. Veremos, num
pargrafo posterior, que o termo modelo pode ter, no mbito da resoluo do
problema inverso, outro significado.
O estabelecimento do modelo geofsico uma operao complexa que, nos dias que
correm e cada vez com maior frequncia, faz apelo resoluo do problema
inverso, na medida em que se parte dos dados para se obterem estimativas do
conjunto de parmetros do modelo, bem como informao relativa aos seus limites
de confiana. O problema inverso (PI) , assim, definido em oposio ao problema
directo. Neste, conhecem-se os parmetros e calcula(m)-se a(s) resposta(s) do
modelo. O problema directo um problema bem posto no sentido em que, dado um
1
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
conjunto de valores para os parmetros e conhecidas as expresses que regem o
comportamento do campo, a soluo nica e pode ser calculada, em princpio,
com a preciso que se desejar. O problema inverso , pelo contrrio, um problema
mal posto pois diferentes modelos podem representar igualmente bem os dados (na
prtica o problema inverso no tem soluo nica) e a soluo geralmente
instvel. Estes, e outros problemas, sero abordados em pargrafos futuros.
O problema inverso e a sua resoluo constitui, de facto, um ramo da matemtica
aplicada sendo as tcnicas a desenvolvidas usadas na soluo de muitos problemas
encontrados na actividade humana (em diferentes ramos de engenharia, em estudos
econmicos, sociais, bio-mdicos, etc.). O presente captulo analisa alguns das
questes relacionadas com a resoluo do problema inverso em prospeco geoelectromagntica (PGEM), englobando nesta designao, todos os mtodos que
fazem uso do campo electromagntico, com especial relevo para os mtodos da
resistividade e magneto-telrico. A importncia destes mtodos na geofsica geral e
na geofsica aplicada por demais conhecida. Os mtodos GEM so aplicados com
o objectivo de conhecer a distribuio da resistividade elctrica no subsolo a
profundidades que podem variar de algumas dcimas de metro a dezenas de
quilmetros. Deste modo a sua aplicao abrange reas to diversas como as do
reconhecimento geolgico, hidrogeolgico, geotrmico e mineiro. Nos ltimos anos
tem crescido o interesse na aplicao dos mtodos GEM a problemas ambientais,
nomeadamente no reconhecimento e monitorizao de zonas contaminadas.
Todavia, os mtodos GEM no se limitam a contribuir para a soluo de alguns
problemas prticos de prospeco: eles permitem, tambm, adquirir informao
respeitante ao interior profundo do nosso planeta.
A importncia dos mtodos GEM facilmente compreendida se se recordar que a
resistividade (condutividade) elctrica das formaes rochosas , talvez, a
propriedade fsica que maior variaes sofre com as variaes do contedo e
qualidade da gua existente nos poros e fracturas das rochas, da temperatura e com
a presena de alguns materiais geolgicos como sejam as argilas, os metais e a
grafite. Entende-se, ento, que o conhecimento da distribuio da condutividade
elctrica (ou da resistividade elctrica) pode ser um precioso auxiliar na observao
indirecta do interior do nosso planeta.
8.2. Formulao do problema inverso
Seja ento do o vector contendo o conjunto dos valores observados (valores
medidos ou calculados a partir de valores medidos de expresses algbricas). No
caso especfico dos mtodos GEM esses valores so, geralmente, os valores de
resistividade aparente e/ou fases calculados para diferentes configuraes
geomtricas do conjunto emissor-receptor e/ou para diferentes frequncias. Cada
elemento de do pode ser descrito como o valor aproximado do verdadeiro valor da
grandeza a medir d, ao qual no se tem acesso, possuindo-se uma estimativa do erro
da medida, tal que
d (do, d ) < d
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
valores de mest representam uma estimativa dos verdadeiros valores dos parmetros
m, isto ,
m(mest, m ) < m com a condio mest m quando m 0
m representa uma distncia definida no espao dos parmetros do modelo. Neste
contexto o termo modelo usado para designar as relaes matemticas que ligam
os parmetros m resposta do modelo d,
d = g (m) .
De acordo com a natureza daquelas relaes usual classificar os problemas
inversos em lineares e no lineares. O problema inverso em GEM, atendendo
natureza das funes g(m) , claramente, no linear.
O problema inverso pode ainda ser classificado de acordo com a dimensionalidade
do modelo adoptado, podendo ser, ento, designado por problema inverso unidimensional (1-D), bi-dimensional (2-D) ou tri-dimensional (3-D). O termo
dimensionalidade traduz, ento, o modo como a resistividade elctrica varia
espacialmente, isto , traduz a dependncia da resistividade elctrica com a posio
(x, y, z). Nos modelos 1-D admite-se que a resistividade funo apenas da
profundidade z. Nos modelos 2-D admite-se que a resistividade varia numa seco
vertical, enquanto nos modelos 3-D se admite que a resistividade funo das trs
variveis espaciais.
Resumindo, o problema inverso consiste na determinao de mest cumprindo duas
condies necessrias: 1) os valores da resposta do modelo dc = g (mest), devem ser
compatveis com os dados do, isto , d (do, dc ) < e, 2) deve ser possvel estimar
os erros do modelo calculado, isto , deve ser possvel determinar os limites de
validade do modelo calculado (geralmente designados por intervalos de confiana).
Como se fez notar na introduo, as duas condies enumeradas so necessrias
mas no so suficientes, pelo menos em geofsica. Uma terceira condio dever ser
imposta, a saber: o modelo calculado deve ser interpretvel em termos geolgicos,
devendo estar de acordo com a informao disponvel. Esta ltima condio, que
deriva do facto da soluo do PI no ser nica e de que se trata de dados recolhidos
em ambiente geolgico, deve estar sempre presente quando se interpretam dados
geofsicos.
8.3. A informao contida nos dados
A interpretao de quaisquer dados deve ser feita de acordo com a informao neles
contida. Isto significa que se devem evitar duas situaes: 1) a sobreparametrizao dos modelos e, 2) o sobre-ajustamento entre os dados e a resposta
do modelo. A sobre-parametrizao do modelo significa que se est a tentar obter
informao sobre estruturas que no esto representadas nos dados. O sobreajustamento entre dados e resposta do modelo significa que o modelo est a incluir
estruturas que no correspondem aos dados mas aos erros. Estes problemas so
extremamente complexos e esto directamente relacionados com a definio de
profundidade de investigao (ou de volume de investigao) e com o problema da
anlise de sensibilidade do modelo.
De acordo com a teoria geral do comportamento do campo electromagntico em
meios condutores, sabe-se que nos mtodos GEM a profundidade de investigao1
1
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
depende da resistividade do meio e da frequncia do campo electromagntico (ou
da geometria do dispositivo usado, no caso do mtodo da resistividade).
Suponhamos que a investigao se realiza usando sondagens magneto-telricas
(MT) ou sondagens Schlumberger. O volume de material investigado depender,
portanto, daqueles parmetros e ainda do nmero e disposio espacial das
sondagens. O conceito de volume de material investigado ou de volume efectivo
um conceito importante quando se lida com problemas 2-D e 3-D e no tem
merecido grande ateno por parte dos investigadores. O tema voltar a ser
abordado no pargrafo 7.
Consideremos que os valores a observar (da resistividade aparente, por exemplo),
com o uso de mtodos GEM, variam de modo contnuo no espao e em frequncia.
Se fosse possvel ter o conhecimento completo do modo como se comportam esses
observveis, seria possvel, em princpio, estimar a distribuio contnua da
resistividade elctrica no sub-solo de modo nico (Zhdanov and Keller, 1994). A
aquisio de dados em GEM feita, contudo, de modo discreto, quer espacialmente
quer em frequncia. Isto , os elementos do vector do so conhecidos apenas em
alguns locais e apenas para um nmero finito de frequncias, do(xi, yi, zi, j), com
i=1,., N e j=1,., P. Este facto limita o conhecimento que se pode obter sobre a
distribuio dos valores de mest. Os elementos de mest so, geralmente, conhecidos
de modo discreto mest (xk, yk, zk), com l=1,.M. Este processo conhecido como a
parametrizao do modelo. Tem-se, ento, que o problema inverso, tal como
formulado acima, um caso de problema inverso discreto.
Considere-se um conjunto de N sondagens realizadas para P frequncias em pontos
colineares e igualmente espaados de uma distncia x. De acordo com o teorema
da amostragem2 no se possuir informao sobre a distribuio horizontal da
resistividade elctrica que tenha uma dimenso lateral caracterstica inferior a 2x.
Nos mtodos GEM o problema de avaliar a dimenso caracterstica pode ser,
contudo, mais complexo pois, devido ao facto da profundidade efectiva depender
tambm da frequncia do campo electromagntico a aplicao simples do teorema
da amostragem pode conduzir a resultados errneos. Por outro lado, como o
comportamento do campo electromagntico obedece a uma lei de difuso (para a
gama de frequncias utilizadas em GEM), verifica-se uma perda de resoluo com o
aumento da profundidade a investigar. Isto deve-se ao facto d a informao obtida
reflectir a influncia de um volume de massa rochosa tanto maior quanto menor for
a frequncia do campo electromagntico usado (ou quanto maior a distncia entre
o emissor e o receptor). O estudo do volume de material que influncia as
observaes, bem como o estudo da importncia relativa dessa influncia
geralmente designado por anlise da sensibilidade do modelo e ser abordada no
pargrafo 7.
Deve notar-se, no entanto, que a limitao mencionada no ltimo pargrafo pode
ser usada de modo a rentabilizar as sondagens GEM realizadas. De facto, se os
dados adquiridos contm informao referente a um grande volume de material
poder-se-, ento, aumentar a amostragem espacial (at um certo limite) sem perda
significativa da informao referente distribuio dos parmetros no subsolo.
8.4. Resoluo do problema inverso linear
Considere-se a resoluo do PI linear em que a relao entre dados e parmetros do
modelo seja explcita, isto ,
d=Gm
(8.4.1)
De acordo com este teorema, a frequncia mxima (de Nyquist) que se pode obter com uma amostragem T
fN = 1/(2T).
4
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
O mtodo a usar para a resoluo deste PI depende da relao entre N e M. Trs
casos podem ocorrer: 1) se N = M o problema completamente determinado, 2) se
N > M o problema ser um problema sobredeterminado e, 3) se N<M o problema
ser subdeterminado.
1) Problema completamente determinado
A soluo deste problema ,
mest = G-1 do
(8.4.2)
(8.4.3)
onde e = do-dc representa o vector erro, a soluo do problema pode ser encontrada
minimizando-se , isto ,
=0
m k
k = 1, ....., M
(8.4.4)
(8.4.5)
3) Problema subdeterminado
Se o PI do tipo subdeterminado a sua resoluo s possvel com a introduo de
constrangimentos soluo. Esses constrangimentos podem ser de diferente tipo.
Um dos mais simples o de impr que a soluo seja tal que L = (mT m) seja
mnimo. A soluo pode ser encontrada com recurso aos multiplicadores de
Lagrange. Define-se a funo objectivo,
= L + T e = L + T (do - G m)
(8.4.6)
(8.4.7)
4) Problema misto
H PI que no so nem completamente sobredeterminados nem completamente
subdeterminados, isto , haver parmetros ou combinaes de parmetros melhor
determinadas que outro(a)s. A soluo deste problema pode ser encontrada
minimizando-se a funo,
= eT e + 2 mT m
(8.4.8)
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
componentes sobredeterminada e subdeterminada. Se o valor do parmetro fr
muito grande a soluo minimiza a parte subdeterminada da soluo. Se o valor do
parmetro fr muito pequeno o erro ser minimizado mas no ser possvel
introduzir informao sobre a parte subdeterminada pelo que ser possvel
encontrar vrias solues para o problema. Ter de se procurar, em cada caso, um
valor ptimo para o parmetro . A soluo do problema, minimizando-se (8.4.8),
ser,
mest = (GT G + 2 I)-1 GT do
(8.4.9)
8.4.1. Constrangimentos
H outros tipos de constrangimentos que podem ser usados. Pode-se, por exemplo,
pretender que a soluo seja prxima de um valor mdio <m>. Neste caso vir para
L,
L = (m -<m>)T (m -<m>).
(8.4.8)
Muitas vezes, contudo, este tipo de constrangimento pode no ser apropriado. Uma
possvel alternativa o de considerar-se a soluo como plana, isto ,
L = [D m]T [D m] = mT DT D m
(8.4.9)
1 1
0 1
D=
0 ..... 0
1 .... 0
...
...
1 1
ou
0 ...
1 2 1
0 1 2 1 ...
D=
...
...
1 2 1
se se pretender que a soluo seja suave. Por vezes conhecem-se algumas relaes
que a soluo cumpre, por exemplo, pode conhecer-se o valor mdio da soluo, h1,
isto ,
F m = h1
(8.4.10)
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
Os erros dos dados podem ser usados como constrangimento uma vez que pesam
a importncia dos dados no processo de inverso. Considere-se que os dados so
independentes obdecendo a uma estatstica Gaussiana e que a covarincia dos dados
da forma,
[cov d] = d2 I
(8.4.11)
Definindo-se a matriz diagonal W = diag(1/1.... 1/N) o uso dos erros dos dados
feito atravs da matriz Gw = W G e do vector dw = W d, vindo a soluo, para o
problema sobredetermindo,
mest = (GwT Gw )-1 GwT dw
(8.4.12)
(8.4.11)
A matriz M por vezes designada por inversa generalizada. Seja a covarincia dos
dados,
C = [cov d]
(8.4.12)
(8.4.13)
(8.4.14)
[cov m] = M d2 I MT
No caso do problema sobredeterminado a inversa generalizada ,
M = (GwT Gw )-1 GwT
(8.4.15)
(8.4.16)
ou
[cov m] = d2 (GT G)-1
(8.4.17)
(8.4.18)
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
8.4.3. Matrizes da resoluo dos dados e dos parmetros
Quando se resolve o PI pretende-se que a resposta do modelo obtido seja prxima
dos dados observados. Esta condio verifica-se quando a matriz resoluo dos
dados N = G M = I pois,
dc = G mest = G ( M do) = G M do
(8.4.15)
Por outro lado, pretende-se que o modelo estimado seja prximo do modelo
verdadeiro, isto , que os valores estimados dos parmetros sejam prximos dos
verdadeiros,
mverd = M do = M (G mest) = M G mest
(8.4.16)
(8.4.17)
e
sp (R) = || R I ||2
(8.4.17)
(8.5.1.2)
Com o objectivo de facilitar a escrita o vector dos dados e dos parmetros sero representados, no texto que se segue,
por d e m, respectivamente.
8
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
As correces aos parmetros podem ser calculadas, no caso de N>M (problema
sobre-determinado), usando a tcnica dos mnimos quadrados. Neste caso a funo
objectivo ser, por exemplo,
= d = || d - g(m) ||2 .
(8.5.1.3)
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
O parmetro emprico, embora haja alguns procedimentos que geralmente so
seguidos quando se programa a expresso (8.5.1.9).
A soluo do problema inverso, tal como acaba de ser descrita pode ser considerada
como clssica (soluo aos mnimos quadrados), no sentido de que a mais
utilizada em GEM, quando N>M (problema sobre-determinado). A metodologia
descrita , por exemplo, frequentemente empregue na resoluo do problema
inverso quando se adoptam modelos estratificados (Johansen, 1997).
Exerccio. Considere o conjunto de valores mostrados na tabela seguinte. Calcule a
recta (w =a+be) que melhor se aproxima aos pontos, no sentido dos mnimos
quadrados.
resistividade
do terreno (e)
421
250
359
351
285
47
21
47
65
23
69.64
208
214.5
resistividade
da gua (w)
7.35
4.69
6.56
4.90
4.95
1.50
0.53
0.75
1.86
1.36
2.80
4.27
5.19
10
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
covarincia dos parmetros seja dada por Wm = m2 I obtendo-se, ento, para a
iterao k o sistema de equaes (Tarantola, 2004),
(J(mk)T Wd -1 J(mk) + 2 Wm-1 ) m = J(mk)T Wd -1 (d - g(mk ) )
(8.5.2.2)
Dependendo da escolha de S (ver Tabela 1), diferentes tipos de informao a priori
podem ser usados com o objectivo de diminuir a importncia dos parmetros subdeterminados na soluo final, contribuindo para a estabilizao desta.
frmula terica
representao numrica
[m( z ) m
0
( z )] dz
2
0 [m( z )] dz
(m
i
mo ,i ) 2
(m
mi 1 ) 2
m( z ) dz
[m( z ) mo ( z )]2
0 [m( z ) m ( z)]2 + 2 dz, 0
o
(mi mi 1 ) 2 + 2 , 0
(m
( m i m o ,i ) 2
mo,i ) 2 + 2
(mi mi 1 ) 2
(m
i
mi 1 ) 2 + 2
, 0
, 0
Tabela 1. Resumo dos funcionais estabilizadores definidos para o caso de modelos 1-D. 1 (Tikhonov and
Arsenin, 1977) minimiza a norma L2 (mnimos quadrados) do desvio do modelo relativamente a um
modelo a priori. 2 (Constable et al., 1987) minimiza a rugosidade do modelo no sentido dos mnimos
quadrados. 3 (Rudin et al., 1992) minimiza a variao total dos parmetros. indiferente magnitude das
variaes dos parmetros podendo preservar variaes bruscas na soluo. Como no derivvel em
pontos onde o gradiente nulo, introduz-se um valor estabilizador . 4 (Portniaguine and Zhdanov, 1999)
Para suficientemente pequeno, este estabilizador penaliza do mesmo modo qualquer desvio dos
parmetros, relativamente ao modelo a priori, independentemente do seu valor. 5 (Portniaguine and
Zhdanov, 1999) Para suficientemente pequeno, penaliza qualquer variao sbita nos parmetros,
independentemente do seu valor. Este estabilizador tende a produzir modelos 1-D com um nmero
mnimo de camadas.
g (mGal)
0.15
0.12
-0.56
-0.90
-0.95
-1.10
-1.23
-1.35
-1.46
-0.96
0.02
0.17
0.29
11
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
(8.5.3.2)
(8.5.3.3)
(8.5.3.4)
(8.5.3.5)
12
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
M =7
yi = 628.
j =1
dj
[( xi x j )2 + (500.)2 ]
yi
2.51
2.99
3.24
3.31
3.24
2.99
2.51
(8.5.4.3)
(8.5.4.5)
13
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
8.5.5. O mtodo de Newton
(8.5.5.1)
Para o clculo do vector que contm as correces m aos parmetros que
constituem o modelo inicial m0 define-se a funo objectivo global,
= || Wd ( g(m0 + m) d ) ||2 + || Wm (m0 + m mo) ||2 = || Wd ( g(m0) + J
m d ) ||2 +
+ || Wm (m0 + m mo) ||2
(8.5.5.2)
A condio necessria para que a funo objectivo seja minimizada que a variao
de primeira ordem do funcional seja nula. Esta condio cumpre-se quando,
JT Wd2 ( g(m0) + J m d ) + Wm2 (m0 + m mo) = 0
(8.5.5.3)
Daqui se obtm,
m = - H1-1 l(m0)
(8.5.5.4)
(8.5.5.5)
(8.5.5.6)
(8.5.5.7)
(8.5.6.1)
14
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
A diferena reside no modo de calcular os gradientes l(mk). Neste mtodo o
gradiente na iterao k+1 calculado como sendo uma combinao linear do
gradiente descendente calculado para esta iterao e o gradiente da iterao
anterior:
l(mk+1) = l(mk+1) + k l(mk)
(8.5.6.2)
O valor do parmetro kk calculado de acordo com o exposto anteriormente. Os
coeficientes k so calculados por (Zhdanov and Keller, 1994),
k = (lT(mk) l(mk) )/( lT(mk-1) l(mk-1) ) .
(8.5.6.3)
A vantagem do mtodo do gradiente conjugado que, em princpio, pode evitar-se
que o processo de convergncia fique preso num mnimo local, convergindo mais
rapidamente para o mnimo global.
8.6. Resoluo do problema inverso no linear usando mtodos de minimizao
global
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
Se k > k-1 a aceitao, ou no, da soluo mk obriga ao clculo da funo P() =
exp((k-1 - k)/T) e gerao aleatria do nmero real r, tal que r[0,1]. A soluo
mk aceite se r < P() prosseguindo o processo iterativo (mas mantendo T
constante). T a temperatura, que no incio do processo iterativo deve ser elevada,
diminuindo (de acordo com uma lei estabelecida) ao longo do processo.
Nas fases iniciais, e porque T elevado, so aceites solues muito diferentes.
medida que T diminui a aceitao de solues torna-se mais exigente e apenas as
melhores solues so aceites levando o algoritmo a convergir. O processo iterativo
termina quando (por exemplo) a variao da funo objectivo entre iteraes
inferior a um valor preestabelecido.
Para o mesmo problema, o algoritmo SA pode ser corrido vrias vezes, com
condies iniciais diferentes, de modo a obter-se um conjunto (estatisticamente)
significativo de solues. A anlise estatstica deste conjunto de solues permite
calcular o modelo mdio <m> e a matriz de covarincia a posteriori dos parmetros
do modelo usando, respectivamente (Mrinal et al., 1993):
<m> =
m P(m)
(8.6.1.1)
C=
(8.6.1.3)
Exerccio. Resolva os exerccios do pargrafo 8.4.1 usando o mtodo SA.
Exerccio. Elabore um algoritmo para a resoluo do PI no caso de sondagens
magneto-telricas, assumindo um modelo de terreno estratificado e usando SA.
8.6.2.
(8.6.2.1)
Percebe-se facilmente que quanto maior for L mais exaustiva se torna a procura do
mnimo absoluto. Calcula-se a funo objectivo para cada modelo identificandose o modelo mmax que apresentar o valor mximo para = max. Na iterao k, um
novo modelo mk estimado tendo-se em ateno os parmetros de (M+1) modelos
escolhidos aleatoriamente entre os L modelos. O vector dos parmetros do novo
modelo dado por,
mk = 2 c mM+1)
(8.6.2.2)
16
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
onde c o centride dos M primeiros modelos escolhidos, mM+1) o vector dos
parmetros correspondente ao (M+1)-simo modelo escolhido sendo M o nmero
de parmetros a determinar. Se os elementos de mk obedecerem aos
constrangimentos impostos e se o valor da correspondente funo objectivo for
inferior a max o anterior modelo mmax retirado dos L modelos iniciais e
substitudo pelo novo modelo. Se o novo modelo no satisfizer os constrangimentos
ou se a correspondente funo objectivo for maior que max, o novo modelo no
considerado procedendo-se a nova seleco aleatria de (M+1) modelos. A
substituio de um modelo de L por um novo modelo constitu uma iterao. O
processo iterativo termina quando as funes objectivo de todos os L modelos
tiverem um valor inferior a um valor definido .
O conjunto de L possveis solues estimadas pelo mtodo CRS formam um
cluster de modelos na vizinhana do mnimo absoluto. O modelo representado
pelo centride deste cluster, m*, dever ser mais significativo que qualquer dos
modelos do conjunto e considerado como a melhor estimativa dos parmetros do
modelo. A matriz de covarincia dos parmetros pode ser estimada por (Silva and
Hohmann, 1983),
Cij =
1 L
(mik mI*)(mjk mj*)
L 1 k =1
(8.6.2.3)
1 L
mIk* .
L k =1
(8.6.2.4)
(8.6.2.5)
17
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
Gaussiana. Aceita-se, ainda, que os parmetros do modelo a priori, usado como
informao a priori, obedece tambm a uma distribuio Gaussiana.
Matriz de covarincia
Assumindo que os dados os parmetros do modelo a priori no esto
correlacionados, a matriz de covarincia do modelo estimado pode ser calculada por
(Menke, 1984),
C = Jk-g Cd (Jk-g)T + (I R) Cm (I R)T
(8.7.1)
(8.7.3)
(8.7.5)
<
M
FM,N-M, (mo) = constante. Nesta expresso FM,N-M, representa a distribuio de Fisher a M, N-M graus
N M
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
() = a
(8.7.6)
Os valores extremos deste funcional sobre a superfcie de confiana verificar-seo em dois pontos tangentes superfcie e a dois hiper-planos (). Nestes pontos o
vector a deve ser paralelo ao gradiente da superfcie, isto ,
= V 2 VT = B a
(8.7.7)
Como os pontos que correspondem aos extremos devem estar sobre a superfcie,
tem-se
= T V 2 VT = (B V -2 VT a )T V 2 VT (B V -2 VT a )
(8.7.8)
vindo ento,
B = (1/2 / || -1 VT a ||)
(8.7.9)
Os valores extremos sobre a superfcie de confiana, na direco a, sero calculados
por,
m = mo +
(8.7.10)
com
= 1/2 V -1 w
(8.7.11)
com w = ( -1 VT a ) / || -1 VT a || .
A teoria exposta neste pargrafo diz respeito aos casos ideais. Para anlise de casos
reais adopta-se a mesma aproximao com algumas adaptaes. Aceita-se que
obedece a uma distribuio 2 no se conhecendo, contudo, o nmero de graus de
liberdade. Num caso real o hiper-elipside no ser simtrico relativamente ao
ponto mo, isto , os semi-eixos sero diferentes segundo se percorra o vector
prprio, associado a um dos parmetros, no sentido positivo ou negativo e a sua
magnitude no ser dada pela equao (8.7.11). Aceita-se, contudo, que os eixos do
hiper-elipside se mantm paralelos aos vectores prprios.
O clculo dos semi-eixos faz-se ento calculando-se, para cada parmetro, o valor
de B que satisfaz a condio
(mo + B v) = o +
(8.7.11)
Os valores dos semi-eixos (1/2 -1) devem ser, ento, substitudos pelos valores
B . Os valores extremos dos parmetros so calculados tomando sucessivamente
para vector a, os vectores unitrios ej do espao de parmetros,
ej = (ij,., ij) com i=1,,M
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
de confiana enquanto um parmetro bem determinado ser caracterizado por um
estreito intervalo de confiana. Este tema ser de novo abordado quando se
estudarem os problemas de equivalncia em GEM.
8.8. Ambiguidade (equivalncia) e sensibilidade da soluo
T1(n) J1(nr) n dn .
(8.8.1)
J1(nr) representa a funo de Bessel, T1(n) uma funo (designada geralmente por
transformada da resistividade) que depende da estrutura geoeltrica do modelo e
pode ser calculada de modo recursivo.
Suponha-se que um dos parmetros do modelo sofre uma variao pequena, . A
funo sensibilidade definida por,
20
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
P0(a) = r2
P(T1(n)) J1(nr) n dn
(8.8.2)
(8.8.3)
Em MT, considerando as hipteses de Tikhonov-Cagniard como vlidas, a
resistividade aparente, em funo da frequncia, dada por (Zdhanov and Keller,
19??),
a( ) =
| C1 |2
(8.8.4)
Re(C1* C1/ m ) / a
(8.8.5)
Uma questo importante a estudar o efeito das camadas superiores (condutoras ou
resistivas) na funo sensibilidade. Este efeito conhecido como efeito de ecr .
Em resumo:
No caso das sondagens em corrente contnua o efeito de ecr, que corresponde
sempre a um decrscimo da amplitude da funo sensibilidade, ocorre sempre
independentemente das caractersticas geoelctricas da camada de cobertura. Isto ,
ecrs do tipo S ou T, podem ocorrer. No caso das sondagens MT o efeito de um
ecr condutor mais significativo que o de um ecr resistivo.
Sensibilidade dos modelos isotrpicos 2-D e 3-D
Os estudos de sensibilidade nos modelos 2-D e 3-D apenas podem ser realizados
recorrendo-se ao clculo numrico, uma vez que no existem solues analticas
para o comportamento do campo electromagntico em meios condutores bi- e
tridimensionais.
Independentemente do mtodo adoptado (elementos finitos ou diferenas finitas)
para a resoluo da equao de domnio - que traduz o comportamento do potencial
21
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
elctrico (no caso da resistividade) ou das componentes do campo electromagntico
(no caso da MT) num elemento do domnio - -se conduzido, quando se considera
todo o domnio de interesse, a um sistema de equaes que pode ser escrito na
forma matricial do seguinte modo:
K fT = sT
(8.8.6)
onde os elementos da matriz K dependem das caractersticas geoelctricas do
terreno e o vector s contm a informao referente s fontes. O vector f formado
pelos valores da funo em estudo (potencial elctrico ou componentes do campo
electromagntico) nos nodos da malha.
A funo sensibilidade, definida por P0(a) = ( a / m )/ a implica o clculo da
derivada f /m, atravs da resoluo do sistema de equaes:
K (fT /m) = - (K /m) fT
(8.8.7)
22
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
Ambiguidade dos modelos anisotrpicos 1-D (MT)
A ambiguidade nos modelos contendo camadas anisotrpicas necessariamente
maior, devido ao maior nmero de parmetros existentes: trs resistividades
principais (mx, my, mz), trs ngulos (direco da anisotropia m, inclinao da
anisotropia m e o ngulo de mergulho m) alm da espessura da camada hm. No
caso de um meio contendo camadas anisotrpicas com inclinao (e m= 0)
possvel verificar que a ambiguidade controlada pela relao (Monteiro Santos
and Mendes-Victor, 199??),
my (1 + (m2 1) sen2 m )
(8.8.8)
onde my representa a resistividade da camada m na direco y, m a inclinao do
sistema principal de anisotropia na camada m e m o coeficiente de anisotropia
(m2 = mz / my ).
A expresso (8.7.8) permite verificar que: 1) quando a inclinao da anisotropia
nula, isto , na presena de anisotropia horizontal, a componente vertical da
resistividade da camada no tem nenhum efeito sobre o comportamento do campo
(neste caso no possvel conhecer-se este parmetro a partir dos dados de MT); 2)
quando a inclinao for de 90 o comportamento do campo independe da
componente da resistividade na direco y; 3) quando mz = my a resposta do
modelo no depende do ngulo de inclinao. Estes resultados haviam j sido
obtidos (a partir de experincias numricas) por Reddy and Rankin (1971).
De acordo com os resultados anterior pode concluir-se que ao inverter dados de MT
adquiridos em meios anisotrpicos, a ambiguidade dos parmetros mx, m e hm
apenas determinada pela qualidade dos dados, enquanto os restantes parmetros
esto sujeitos a uma ambiguidade intrnseca controlada pela relao (8.7.8)
(Monteiro Santos and Mendes-Victor, 19**).
O problema da ambiguidade em sondagens MT em meios 1-D com anisotropia
generalizada foi tratado de modo mais geral por Pek and Monteiro Santos (2002)
que mostraram que a resposta de um tal meio equivalente resposta de um meio
com anisotropia azimutal em que os elementos do tensor das condutividades so
dados por:
Aij = ij (iz zj / zz)
com i e j = x,y.
(8.7.9)
23
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
resultados da inverso conjunta de dados de MT (ou resistividade) e gravimetria
(Das, K., Hoversten, G.M. and Morrison, H.F. da Universidade de Berkeley).
8.9.1. Inverso conjunta de dados de resistividade e MT
Esta diferena pode ser, no entanto, usada para distinguir meios anisotrpicos (Christensen, 2000).
24
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
modelo estratificado de terreno, que so aqueles que melhor se adaptam aos
dispositivos utilizados. No so conhecidos resultados que considerem o uso de
modelos 2-D.
8.10. Concluses
PGEM
Fernando M. Santos-2006
________________________________________________________________________________________________
Monteiro Santos, F. A., Dupis, A., Andrade Afonso, A.R. and L. A. Mendes-Victor,
1997. 1D joint inversion of AMT and resistivity data acquired over a graben. Journal
of Applied Geophysics, 38, 115-12.
Monteiro Santos, F.A. and Mendes-Victor, L.A., 1997. 1D interpretation of anisotropic
MT data. 5 Congresso Internacional Sociedade Brasileira de Geofsica, Vol. 2, 772775.
Nath, S.K. and Shahid, S., ---. Joint application of seismic refraction and vertical
electrical sounding for the delineation of aquifers, --Pek, J. and Monteiro Santos, F.A., 2002. Magnetotelluric inversion for anisotropic
conductivities,
Sandberg, S.K., 1993. Example of resolution improvement in geoelectrical
soundings applied to groundwater investigations. Geophysical Prospecting, 41, 207227.
Sasaki,Y., 1989. Two-dimensional joint inversion of magnetotelluric and dipoledipole resistivity data. geophysics, 54,254-262.
Tarantola, A., 2004. Inverse Problem Theory and Model Parameter Estimation.
SIAM.
Vozoff, K., and Jupp, D.L.B., 1975. Joint inversion of physical data. Geophys. J.R.
astr. Soc., 42, 977-991.
Zhdanov, M.S. and Keller, G.V., 1994. The geoelectrical methods in geophysical
exploration. Methods in geochemistry and geophysics. Elsevier.
26