_{-Cárdenas Huaypaya, Elio L.}

_{-López Flores, Yefri Yeison}

_{-Juarez Paucar, Jimmy G.}

_{-Flores Bernedo, Jonaiker}

_ASIGNATURA:

_{Teoría de la Inversión Geofísica}

_DOCENTE:

_{Dr. Cristobal Condori Quispe}

_{Arequipa - Perú}

₂₀₂₄

_{En el articulo se aplicará el modelo de Sotolongo-Costa y Posadas (S-P) a lo largo del país de ecuador toando catálogos como referencia para el estudio, este estudio es realizado principalmente a que ecuador se encuentra sobre una zona convergente, dando origen a sismos por subducción y por terremotos crustales, también se caracteriza porque una sección de la zona continental esta propensa a desprenderse ocasionando fallas activas. Empleando datos de catalogo ecuatoriano que son registrados desde 1901 hasta 2016 aplicando el método bayesiano se obtuvo como respuesta una relación lineal entre magnitud y numero de eventos, también se obtuvo como resultados los parámetros de no extensividad}

Aplicación

_{En el presente artículo la inversión por método bayesiano fue empleado para identificar parámetros de no extensividad y de proporcionalidad}

Conclusiones y Discusiones

• _{Se logro obtener los parámetros de no extensividad, los cuales varían según al punto de origen de los sismos en donde a mayor profundidad el valor va en aumento.}

• _{La variación de no extensividad indica la variación de la fuente de origen de diferentes tipos de sismos desde un enfoque bayesiano}

• _{Aunque se encontró una relación lineal de la ley de Gutenberg-Ritcher, esta presenta un desajuste en sismo menores a 3.5}

_{El trabajo profundiza en la teoría del ciclo sísmico en zonas de subducción, el modelo cinemático de dos interfases, la solución de Okada para la teoría de dislocación elástica, y el Teorema de Bayes para resolver problemas inversos y de selección de modelos. Se describe detalladamente la metodología utilizada, incluyendo la construcción del Problema Inverso Bayesiano a partir de modelos de falla finita, y se presentan los resultados de las inversiones con ambos modelos, resaltando la viabilidad del modelo de dos interfases y la aplicación exitosa de la inferencia bayesiana para comparar modelos cinemáticos explicativos del deslizamiento cosísmico de terremotos en zonas de subducción.}

APLICACION

_{Esta aplicación tiene implicaciones significativas para la comprensión de los procesos tectónicos asociados a terremotos en zonas de subducción, lo que a su vez puede contribuir a la evaluación del riesgo sísmico y a la planificación de medidas de mitigación en áreas afectadas por este tipo de eventos. Además, el enfoque bayesiano utilizado en la tesis ofrece una metodología robusta para la selección de modelos y la estimación de parámetros en problemas inversos geofísicos, lo que puede ser de interés para investigadores y profesionales en campos relacionados con la sismología, la geodinámica y la geofísica inversa.}

En el artículo se investiga la influencia de la ubicación, volumen y estados físicos de depósitos de magma en el comportamiento eruptivo volcánico. Se destaca la importancia de identificar propiedades como la fracción de magma fundido para comprender la reología y estabilidad del sistema magmático. A pesar de sugerencias en registros geológicos, las bolsas extensas de magma enriquecido fundido no se han detectado geofísicamente. Se utiliza el método geofísico magnetotelúrico para estimar con precisión la fracción de fundido, revelando subestimaciones para capas delgadas. La investigación sugiere que zonas delgadas y ricas en fundido podrían ser interpretadas erróneamente como zonas más gruesas de mezcla rica en cristales, afectando la evaluación de riesgos volcánicos. La aplicación de inversiones bayesianas mejora la comprensión de la incertidumbre en los parámetros modelados.

Summary

Este estudio demuestra la efectividad de la inferencia de parámetros bayesianos y la inferencia de modelos para detectar la carga intrínseca en datos electromagnéticos aéreos (AEM). El estudio incluye ejemplos de datos sintéticos y reales, mostrando la consistencia espacial de la estadística del Discriminador de Polarización Intrínseca del Campo Bayesiano (BFIPD) en una línea de datos AEM. El estudio también discute el desacoplamiento de la conductividad y la carga intrínseca y sugiere posibles direcciones para futuras investigaciones. El código Python 3 desarrollado para esta investigación se lanzará en un futuro próximo. El estudio fue financiado por el Programa de Investigación del Gobierno Australiano, el Centro de Ciencia de Datos de la Universidad de Tecnología de Queensland y un Proyecto de Descubrimiento del Consejo Australiano de Investigación. Los datos AEM del estudio de caso del río East River de Colorado estarán disponibles en un repositorio de datos.

Application

El estudio utiliza un enfoque bayesiano para detectar la carga intrínseca en datos electromagnéticos aéreos (AEM). Se emplea un algoritmo secuencial Monte Carlo (SMC) adaptativo para la selección de modelos y la estimación de parámetros en la inversión geofísica. Este algoritmo utiliza núcleos MCMC y RJMCMC, y adapta el número de pasos de MCMC y la secuencia de objetivos intermedios. Se discute la inferencia de parámetros y modelos, la distribución previa de parámetros, la función de verosimilitud y el modelo directo para el problema inverso de AEM. El estudio incluye ejemplos de datos sintéticos y reales para demostrar la consistencia espacial de la estadística del Discriminador de Polarización Intrínseca del Campo Bayesiano (BFIPD) en una línea de datos AEM. Además, se discute el desacoplamiento de la conductividad y la carga intrínseca, y se sugieren posibles direcciones para futuras investigaciones. El código Python 3 desarrollado para esta investigación se lanzará en un futuro próximo. El estudio fue financiado por el Programa de Investigación del Gobierno Australiano, el Centro de Ciencia de Datos de la Universidad de Tecnología de Queensland y un Proyecto de Descubrimiento del Consejo Australiano de Investigación. Los datos AEM del estudio de caso del río East River de Colorado estarán disponibles en un repositorio de datos.

Conclusions

El estudio emplea un enfoque bayesiano para detectar la cargabilidad intrínseca en los datos electromagnéticos aerotransportados (AEM), abordando la detectabilidad de los efectos de la polarización inducida (PI). La investigación demuestra la eficacia de la inferencia bayesiana de parámetros y la inferencia de modelos para detectar la cargabilidad intrínseca en datos AEM, mostrando la coherencia espacial del estadístico Discriminador Bayesiano de Polarización Intrínseca de Campo (BFIPD) en una línea de datos AEM. Además, el estudio analiza el desacoplamiento de la conductividad y la cargabilidad intrínseca y sugiere posibles direcciones futuras de investigación.

_{Viezzoli, A., Cull, J., Manca, G., Minsley, B., Menghini, A., Zamudio, K., ... & Davies, L. (2024). Bayesian parameter inference and model inference for detecting intrinsic chargeability in airborne electromagnetic (AEM) data. Geophysical Journal International.}

_{Cordell D., Hill G., Bachmann O., Moorkamp M., Huber C.. 2022. Estimating melt fraction in silicic systems using Bayesian inversion of magnetotelluric data. Journal of Volcanology and Geothermal Research. Volume 423. 107470. ISSN 0377-0273. https://doi.org/10.1016/j.jvolgeores.2022.107470.}

_{Araujo, S. (2017). Cálculo de parámetros de no extensidad en el modelo de interacción Fragmento-Aspereza para los sismos del ecuador mediante un método bayesiano. Revista Cubana de Física, 34(112). https://repositorio.ikiam.edu.ec/jspui/bitstream/RD_IKIAM/155/1/A-IKIAM-000090.pdf}

_PATLED

_{https://es.padlet.com/jfloresb3/aplicaciones-de-los-m-todos-bayesianos-en-la-inversi-n-geof--mae3y6q9xtjwoijo}