Processos numèrics involucrats en el tractament de les dades geofÃsiques
Són tots aquells processos numèrics involucrats en el tractament de les dades geofÃsiques. Els que utilitza l'ICGC són: modelització, resolució del problema invers, integració de dades geofÃsiques a partir de tècniques d'anà lisi estadÃstica exploratòria ("clusters" o lògica difusa).
Modelització
També conegut com problema directe, la modelització o simulació geofÃsica és un procés numèric que permet conèixer la resposta teòrica del subsòl.
Aquest procés s'utilitza:
- per a conèixer la influència de l'estructura del subsòl sota l'efecte d'un determinat estÃmul (per ex., injecció de corrent elèctric, propagació d'ones sÃsmiques o electromagnètiques).
- per a optimitzar l'adquisició de les dades (disseny de la campanya de camp, capacitat de resolució, despeses econòmiques).
- per a millorar la interpretació del model final.
- en el procés de la inversió, per a calcular la resposta de cada nou model de manera iterativa.
Â
Problema invers
Aquest procés aporta una descripció de l'interior de la Terra ajustant les dades mesurades en superfÃcie a un possible model del subsòl terrestre.
Aquest procés numèric presenta inconvenients com:
- la no existència.
- la no unicitat: impossibilitat de determinar una única solució per l'existència d'un conjunt finit de dades; existeix un ampli ventall de models que són compatibles amb les dades mesurades.
- la inestabilitat de la solució: problema mal condicionat, petites variacions en les dades poden provocar grans canvis en els parà metres que defineixen el model.
Per a reduir aquests problemes s'introdueix en el procés de la inversió tota la informació disponible a priori procedent d'estudis geològics i d'altres mètodes geofÃsics.
Â
Integració de dades geofÃsiques
És la principal lÃnia de treball per a reduir la incertesa i l'ambigüitat en la interpretació dels models geofÃsics.
Aquest procés es pot realitzar de diferents maneres:
- De forma indirecta. Superposant els models procedents de mètodes diferents, buscant les caracterÃstiques en comú i fent una interpretació conjunta dels resultats.
 Â
- De forma directa a través de l'anà lisi de clusters. És una tècnica d'anà lisi estadÃstica exploratòria de dades per a resoldre problemes de classificació. El seu objectiu consisteix en ordenar variables (parà metres fÃsics) de manera que el seu grau d'associació/semblança entre els membres del mateix grup sigui més fort que el grau d'associació/semblança entre els membres de diferents grups. Dins aquesta tècnica es pot optar per diferents lÃnies d'anà lisi com: "fuzzy-logic", "k-means" i altres.
Â