Caracterización de eventos microsísmicos : Procesamiento y algoritmos

En el marco del doctorado, se desarrolló e implementó un algoritmo de Evolución Diferencial para la localización de eventos microsísmicos, inducidos artificialmente durante una estimulación hidráulica. El método desarrollado permite localizar eventos microsísmicos cuyos tiempos de arribo de las onda...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Brunini García, Germán Ismael
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2020
Materias:	Geofísica Microsísmica Tensor momento Red neuronal Microseismic Moment tensor Neural networks
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/114072 https://congresos.unlp.edu.ar/ebec2020/german-ismael-brunini-garcia
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-114072
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Geofísica Microsísmica Tensor momento Red neuronal Microseismic Moment tensor Neural networks
spellingShingle	Geofísica Microsísmica Tensor momento Red neuronal Microseismic Moment tensor Neural networks Brunini García, Germán Ismael Caracterización de eventos microsísmicos : Procesamiento y algoritmos
topic_facet	Geofísica Microsísmica Tensor momento Red neuronal Microseismic Moment tensor Neural networks
description	En el marco del doctorado, se desarrolló e implementó un algoritmo de Evolución Diferencial para la localización de eventos microsísmicos, inducidos artificialmente durante una estimulación hidráulica. El método desarrollado permite localizar eventos microsísmicos cuyos tiempos de arribo de las ondas P y SH son detectados por un arreglo de geófonos ubicados en un pozo de monitoreo vertical. El algoritmo minimiza una función de costo no-lineal que utiliza las diferencias entre tiempos de arribo calculados y observados de las ondas P y SH, respectivamente. Los resultados de la aplicación de este método fueron comparados con los obtenidos utilizando los métodos de Very Fast Simulated Annealing y Particle Swarm Optimization en un problema equivalente. El trabajo concluyó con la escritura de un abstract expandido publicado por la revista 2017 XVII Workshop on Information Processing and Control (RPIC) (DOI:10.23919/RPIC.2017. 8214316) y fue presentado en la conferencia RPIC 2017. Por otro lado, se realizó una comparación de tres algoritmos de filtrado de ruido de datos microsísmicos (o Denoising), a saber, filtrado mediante el uso de la transformada Radón, por reducción de rango y finalmente, mediante descomposición de modos empíricos. Esta comparación se realizó en función de la capacidad de cada método para recuperar las polarizaciones de las señales microsísmicas originales. Los resultados obtenidos resultaron en la escritura de un trabajo científico que se encuentra en la etapa de publicación en una revista internacional con referato. A su vez, los resultados provisorios fueron expuestos en modalidad oral en el congreso internacional organizado por la AAPG en Buenos Aires, 2019. Actualmente, para entender la geomecánica de los eventos, estamos trabajando sobre el problema de la inversión de tensor momento símico (ITMS). Específicamente, nos encontramos programando una estrategia para resolver dicho problema mediante la técnica de redes neuronales (RN). Esta investigación, actualmente en etapa de maduración, está arrojando resultados alentadores. Paralelamente, y como línea de investigación secundaria de este tema, se trabajó en el desarrollo de una técnica para acelerar los tiempos de cómputo en el modelado de ondas sísmicas por diferencias finitas. La misma explota las condiciones geométricas propias de la microsísmica y reduce considerablemente la cantidad de operaciones numéricas necesarias para el cálculo de la propagación del campo de ondas a través del medio. El ahorro de tiempo computacional para la creación de datos sintéticos 2D y 3D en medios anisotrópicos puede resultar de gran importancia para facilitar el testeo del algoritmo de ITM mediante RN. Tanto en el trabajo presentado en la RPIC 2017, como el de filtrado de ruidos se utilizaron datos sintéticos y reales.
format	Objeto de conferencia Objeto de conferencia
author	Brunini García, Germán Ismael
author_facet	Brunini García, Germán Ismael
author_sort	Brunini García, Germán Ismael
title	Caracterización de eventos microsísmicos : Procesamiento y algoritmos
title_short	Caracterización de eventos microsísmicos : Procesamiento y algoritmos
title_full	Caracterización de eventos microsísmicos : Procesamiento y algoritmos
title_fullStr	Caracterización de eventos microsísmicos : Procesamiento y algoritmos
title_full_unstemmed	Caracterización de eventos microsísmicos : Procesamiento y algoritmos
title_sort	caracterización de eventos microsísmicos : procesamiento y algoritmos
publishDate	2020
url	http://sedici.unlp.edu.ar/handle/10915/114072 https://congresos.unlp.edu.ar/ebec2020/german-ismael-brunini-garcia
work_keys_str_mv	AT bruninigarciagermanismael caracterizaciondeeventosmicrosismicosprocesamientoyalgoritmos AT bruninigarciagermanismael microseismiceventcharacterizationprocessingandalgorithms
bdutipo_str	Repositorios
_version_	1764820445701341184

Caracterización de eventos microsísmicos : Procesamiento y algoritmos

Ejemplares similares