Resumen

La inversión de datos geoeléctricos basada en soft computing difiere de la computación convencional en la resolución de los problemas de incertidumbre. Es manejable, robusto, eficiente y barato. En este artículo, se utilizan métodos de agrupación de lógica difusa en la inversión de datos de resistividad geoeléctrica. Con el fin de caracterizar las características del subsuelo de la tierra uno debe basarse en la validación de datos orientados al campo real. Este trabajo apoya los datos de campo obtenidos de los resultados publicados y también juega un papel crucial en la realización de un enfoque interdisciplinario para resolver problemas complejos. Se analizaron tres algoritmos de clustering de lógica difusa, a saber, clustering difuso C-means, clustering difuso K-means y clustering difuso sustractivo, con la ayuda del entrenamiento del sistema de inferencia difusa (FIS) sobre datos sintéticos. En este enfoque, se desarrolló una interfaz gráfica de usuario (GUI) con la integración de tres algoritmos y los datos de entrada (AB/2 y resistividad aparente), mientras que la importación procesará cada algoritmo e interpretará los parámetros del modelo de capa (resistividad verdadera y profundidad). En el texto se presenta una descripción completa de los tres algoritmos mencionados. De los resultados se desprende que el algoritmo de agrupación sustractiva de lógica difusa da resultados más fiables y muestra la eficacia de las herramientas de computación blanda en la inversión de datos de resistividad geoeléctrica.

• Materias:Hidrogeología Geología Sismología Gravimetría Geofísica
• Subjects:Hydrogeology Geology Seismology Gravimetry Geophysics
• Palabras claves:datos de resistividad geoeléctrica, algoritmos, lógica difusa, métodos de agrupación de lógica difusa, sistema de inferencia difusa, agrupación sustractiva difusa, inversión de datos geoeléctricos, interfaz gráfica de usuario, parámetros del modelo de capas, herramientas de soft computing
• Keywords:geoelectrical resistivity data, algorithms, fuzzy logic, fuzzy logic clustering methods, fuzzy inference system, fuzzy subtractive clustering, geoelectrical data inversion, graphical user interface, layer model parameters, soft computing tools