Inversión paramétrica completa, transdimensional y conjunta de la dispersión de ondas superficiales y HVSR basado en...

Área de la Ciencia:

• Geofísica
• Sismología Computacional
• Algoritmos de Optimización

Sus antecedentes:

• La estimación precisa de parámetros geofísicos es crucial para comprender las estructuras del subsuelo.
• Los métodos de inversión existentes enfrentan desafíos con conjuntos de datos complejos y transdimensionales.
• Los datos sísmicos, incluido el índice espectral horizontal a vertical (HVSR) y la dispersión de ondas superficiales, requieren técnicas de inversión robustas.

Objetivo del estudio:

• Introducir el Optimizador de Apareamiento de Barnacles Modificado (MBMO), un novedoso algoritmo de optimización global.
• Mejorar la precisión de la inversión paramétrica completa, transdimensional y conjunta de datos de HVSR basados en terremotos y dispersión de ondas superficiales.
• Mejorar la eficiencia y fiabilidad de la modelización geofísica del subsuelo.

Principales métodos:

• Desarrolló MBMO con técnicas avanzadas para la exploración global y la explotación local.
• Realizó análisis modales y estudios de sensibilidad en modelos sintéticos.
• Implementó una Estrategia de Múltiples Espacios de Modelos (MMSS) para una inversión transdimensional eficiente.
• Evaluó MBMO utilizando anomalías sintéticas y datos de campo del sitio del Garner Valley Downhole Array (GVDA).
• Comparó el rendimiento de MBMO con el Optimizador de Apareamiento de Barnacles (BMO) original y la Optimización por Enjambre de Partículas (PSO).

Principales resultados:

• MBMO demostró un rendimiento superior en comparación con BMO y PSO en escenarios de inversión complejos.
• El algoritmo logró una mayor precisión en la inversión paramétrica completa, transdimensional y conjunta.
• Los análisis de incertidumbre posteriores a la inversión confirmaron la credibilidad de los parámetros geofísicos obtenidos.
• La eficacia de MBMO fue consistente en diferentes definiciones de la función objetivo.

Conclusiones:

• MBMO representa un avance significativo en la estimación de parámetros geofísicos.
• El algoritmo ofrece mayor precisión, fiabilidad y una comprensión más profunda de las estructuras del subsuelo.
• MBMO proporciona una herramienta potente para analizar datos de HVSR basados en terremotos y dispersión de ondas superficiales.