Pasywna tomografia obszaru G´orno´sl askiego Zagł ebia W eglowego
Transkrypt
Pasywna tomografia obszaru G´orno´sl askiego Zagł ebia W eglowego
Pasywna tomografia obszaru Górnoślaskiego Zagł ebia , , Weglowego , Wojciech Dȩbski Instytut Geofizyki PAN, [email protected] 27.VI.2008 Streszczenie Celem predkościowej tomografii sejsmicznej jest odtworzenie prze, strzennego rozkładu niejednorodności predkości fal sejsmicznych. W , zależności od charakteru źródeł fal dzieli sie, ja, na tomografie, aktywna,, gdy fale sejsmiczne wzbudzane sa, w sposób kontrolowany oraz tomografie, pasywna,, gdy źródłami fal sa, wstrzasy naturalne lub in, dukowane na przykład pracami górniczymi. Podejście aktywne pozwala w sposób optymalny zaplanować i wykonać badania tomograficzne, natomiast technika pasywna jest dużo prostsza w zastosowaniu. Niniejsza prezentacja dotyczy wstepnych wyników tomogra, fii pasywnej obszaru Górnoślaskiego Zagłebia Weglowego w kon, , , tekście próby powiazania wystepuj acej tam aktywności sejsmicznej , , , z budowa, górotworu. I Polski Kongres Geologiczny - 1 AGH, 27.VI.2008 Algorytmy Inwersyjne Metoda Zalety Ograniczenia Algebraiczna (LSQR) - prostota - tylko problemy liniowe mml = (GT G + γ I)−1GT · dobs - duże problemy - czuła na błedy , Optymalizacyjne - prostota - brak oceny błedów , S(m) = kG(m) − dobs k + γkm − ma k - nieliniowe Probabilistyczne - nieliniowe - złożona teoria σ(m) = f (m)L(m, dobs) - ocena błedów , - efektywne próbkowanie I Polski Kongres Geologiczny - 2 AGH, 27.VI.2008 Inwersja probabilistyczna W podejściu probabilistycznym rozwiazanie zagadnienia odwro, tnego polega na zbudowaniu rozkładu prawdopodobieństwa a posteriori na przestrzeni wszystkich modeli które opisuje prawdopodobieństwo, że dany model jest prawdziwy. Rozkład a posteriori σ(m) ma postać σ(m) = const.f (m)L(m, dobs), gdzie obs L(m) = exp −kd th − d (m)k k · k jest “odległośćia” , pomiedzy , dobs i dth(m). I Polski Kongres Geologiczny - 3 AGH, 27.VI.2008 Estymatory statystyczne model najbardziej prawdopodobny: mmll : σ(mmll) = max model średni: mavr = Z m σ(m) dm m błedy: , Z (t) = (mavr − m)2σ(m) dm m całkowanie Monte Carlo: Z m 1 X H(m) σ(m) dm ≈ H(mα) Nα α mα – próbki z σ(m) generowane przez proces stochastyczny (Markov Chain) I Polski Kongres Geologiczny - 4 AGH, 27.VI.2008 Pasywna tomografia obszaru GZW I Polski Kongres Geologiczny - 5 AGH, 27.VI.2008 Pasywna tomografia obszaru GZW F źródła: wybrane wstrzasy górnicze , F Górnoślaska Regionalna Sieć Sejsmologiczna (GIG) , F relokalizacja wstrzasów i wyznaczenie czasów wystapienia zjawisk , , F wstepna selekcja danych obserwacyjnych (1821 promieni) , F określenie parametrów poczatkowych , H model poczatkowy , H błedy pomiarowe , H wiarygodność modelu poczatkowego , I Polski Kongres Geologiczny - 6 AGH, 27.VI.2008 0 0 10 10 20 20 30 30 40 40 20 10 0 -10 -20 X [km] X [km] Rozkład promieni sejsmicznych -30 Y [km] I Polski Kongres Geologiczny - 7 AGH, 27.VI.2008 Model poczatkowy , 16 14 Residua [ms] 12 10 8 6 4 2 0 1000 2000 3000 4000 5000 6000 7000 Velocity [m/s] I Polski Kongres Geologiczny - 8 AGH, 27.VI.2008 Parametryzacja 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 γ = 0.001 γ=1 γ = 1000 0.2 0.0 500 1000 2000 5000 10000 20000 Nm/Nd Rii Resolution curve 0.2 0.0 Cell size [m] I Polski Kongres Geologiczny - 9 AGH, 27.VI.2008 Pokrycie promieniami i dysktretyzacja Y [km] 20 10 0 -10 -20 -30 10 10 20 20 30 30 40 40 20 10 0 -10 -20 -30 DL[km] 3000 0 2000 X [km] X [km] 0 1000 0 Y [km] I Polski Kongres Geologiczny - 10 AGH, 27.VI.2008 Testy rozdzielczości AVR-restored 10 10 20 20 30 30 40 40 20 10 0 -10 Y [km] I Polski Kongres Geologiczny - 11 -20 -30 V [m/s] 5000 4800 4600 4400 0 0 10 10 20 20 30 30 40 40 20 10 0 -10 -20 -30 V [m/s] 5000 4800 X [km] 0 X [km] 0 X [km] X [km] Input 4600 4400 Y [km] AGH, 27.VI.2008 Wyniki tomograficzne Average 10 10 20 20 30 30 40 40 20 10 0 -10 Y [km] I Polski Kongres Geologiczny - 12 -20 -30 V [m/s] 5600 5400 0 0 10 10 20 20 30 30 40 40 V [m/s] 5600 5400 5200 5200 5000 4800 4600 4400 4200 4000 3800 20 10 0 -10 -20 -30 5000 X [km] 0 X [km] 0 X [km] X [km] Maximum_Likelihood 4800 4600 4400 4200 4000 3800 Y [km] AGH, 27.VI.2008 Wyniki tomograficzne Errors 40 20 10 0 -10 Y [km] I Polski Kongres Geologiczny - 13 -20 -30 4400 4200 4000 3800 500 0 30 40 0 40 400 350 20 10 0 -10 -20 -30 30 40 X [km] 20 0 30 30 40 0 4600 20 350 40 4800 350 30 0 30 5000 10 20 20 10 5200 0 20 5400 40 10 σ [m/s] 600 0 350 250 10 0 V [m/s] 5600 X [km] 0 X [km] 0 350 X [km] Maximum_Likelihood 400 300 200 100 Y [km] AGH, 27.VI.2008 Efektywość tomografii 250 250 200 200 150 150 100 100 50 50 0 -3000 -2000 -1000 0 1000 2000 Number of rays Number of rays A_priori 0 Residua [ms] 200 150 150 100 100 50 50 -2000 -1000 0 Residua [ms] 1000 2000 3000 0 250 250 200 200 150 150 100 100 50 50 0 -3000 -2000 -1000 0 1000 2000 3000 Number of rays 200 Number of rays 250 0 -3000 I Polski Kongres Geologiczny - 14 Average 250 Number of rays Number of rays Maximum_Likelihood 0 Residua [ms] AGH, 27.VI.2008 Wnioski Clusters 0 0 B 10 A 20 10 C 20 D 30 30 40 40 20 10 I Polski Kongres Geologiczny - 15 0 -10 -20 -30 F A - obszar obniżonych predkości, (spekania?) , , F B - obszar podwyższonych predkości , F C - jak B, ale wieksze błedy , , F D - obszar dużego gradientu predkości , AGH, 27.VI.2008 Podsumowanie F Tomografia sejsmiczna jest efektywna, metoda, obrazowania niejednorodności ośrodka. F Podejście probabilistyczne pozwala ocenić błedy inwersji tomograficznej. , F Obszar siodła Głównego - obniżone predkości. , F Niecka Bytomska - podwyższone predkości. , Jak powiazać wynik tomografii z innymi wielkościami fizycznymi , ??? I Polski Kongres Geologiczny - 16 AGH, 27.VI.2008 Literatura F H.M. Iyer and K. Hirahara. Seismic Tomography, Theory and Practice, Chapman and Hall, 1993. F W. Dȩbski. Application of Monte Carlo techniques for solving selected seismological inverse problems. Publ. Inst. Geophys. PAS, B-34 (367) 1–207, 2004. F K. Mosegaard, and A. Tarantola. International Handbook of Earthquake & Engineering Seismology, Chapter Probabilistic Approach to Inverse Problems, pp. 237–265, 2003. Academic Press. F Ch. P. Robert, and G. Casella. Monte Carlo Statistical Methods, Springer Verlag, 1999. I Polski Kongres Geologiczny - 17 AGH, 27.VI.2008