Resumen

Durante las últimas décadas, hemos observado un gran interés en la inversión de resistividad 3D DC y la obtención de imágenes con topografía compleja. En este trabajo, implementamos la inversión de resistividad 3D DC basada en el método de gradiente conjugado regularizado con FEM. La derivada de Fréchet se ensambla con el potencial eléctrico con el fin de acelerar el proceso de inversión basado en el teorema de reciprocidad. En este estudio, también analizamos la sensibilidad del potencial eléctrico en la superficie terrestre a la conductividad en cada celda subterránea e introdujimos una función de ponderación optimizada para producir una nueva matriz de sensibilidad. El estudio del modelo sintético muestra que esta función de ponderación optimizada es útil para mejorar la resolución de la anomalía profunda. Al incorporar la topografía en la inversión, se puede eliminar la anomalía artificial que en realidad está causada por la topografía. Como resultado, este algoritmo puede aplicarse potencialmente para procesar los datos de resistividad de CC recogidos en la zona montañosa. Nuestro estudio del modelo sintético también muestra que la convergencia y la velocidad de cálculo son muy estables y rápidas.

• Materias:Geología Geodinámica Sismología Geomagnetismo Impedancia eléctrica
• Subjects:Geology Geodynamics Seismology Geomagnetism Electric impedance
• Palabras claves:Inversión de resistividad 3D DC, estudio de modelo sintético, potencial eléctrico, función de ponderación, datos de resistividad DC, método de gradiente conjugado, nueva matriz de sensibilidad, topografía, derivada de Fréchet, anomalía artificial.
• Keywords:3D DC resistivity inversion, synthetic model study, electric potential, weighting function, DC resistivity data, conjugate gradient method, new sensitivity matrix, topography, Fréchet derivative, artificial anomaly