Algoritmo genético para estimar in-situ constantes elásticas de rocas mediante registros de reflexión acústica

Autores/as

  • Luis Montes Universidad Nacional de Colombia
  • Ovidio Almanza Universidad Nacional de Colombia
  • Alfredo Ghisays Universidad del Atlántico

DOI:

https://doi.org/10.17533/udea.redin.17223

Palabras clave:

rocas, in situ, algoritmo genético, inversión, constantes elásticas

Resumen

Las propiedades elastomecánicas de las rocas se pueden estimar a partir de la densidad (ρ) y las velocidades de ondas acústica (Vp) y cizalla (Vs) cuyos valores establecen las amplitudes de las ondas reflejadas. Este artículo presenta un método indirecto para estimar propiedades elásticas de las rocas, que usa valores de Vp, Vs y ρ por la inversión de registros de reflexión acústica. Debido a la no-unicidad y a la naturaleza no-lineal de la inversión el motor de inferencia debe buscar una solución en un espacio de búsqueda, minimizando una función de costo que mide el error entre el dato observado y el inferido. La búsqueda puede converger en un mínimo local y no alcanzar el mínimo global verdadero. Los algoritmos genéticos han mostrado ser más eficientes en hallar la solución óptima en este tipo de espacios de búsqueda. Un algoritmo genético codificado en Matlab estima ρ, Vp y Vs a través de la inversión de una ecuación que las relaciona con las amplitudes y ángulos de incidencia de las ondas acústicas. La constante elástica de Lamé (λ), el coeficiente de Poisson (ν), y los módulos de elasticidad (), compresibilidad () y rigidez () se pueden estimar a partir de ρ, Vp y Vs. Para verificar la robustez y estabilidad del algoritmo, éste se probó con datos sintéticos y se aplicó a registros reales exhibiendo un buen desempeño en alcanzar las soluciones en ambos casos. El método presentado tiene una profundidad de sondeo mayor al método de refracción, siendo aplicable en distintos campos de la ingeniería.

|Resumen
= 97 veces | PDF
= 54 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Luis Montes, Universidad Nacional de Colombia

Departamento de Geociencias.

Ovidio Almanza, Universidad Nacional de Colombia

Departamento de Física.

Alfredo Ghisays, Universidad del Atlántico

Facultad de Ciencias Básicas.

Citas

E. Hoek, M. Diederichs. “Empirical estimation of rock mass modulus”. International Journal of Rock Mechanics & Mining Sciences. Vol. 43. 2006. pp. 203-215 DOI: https://doi.org/10.1016/j.ijrmms.2005.06.005

P. Palmström, S. Rajbal. “The Deformation Modulus of Rock Masses, - Comparisons between in situ tests and indirect estimates”. Tunnelling and Underground Space Technology. Vol. 16. 2001. pp. 115-131. DOI: https://doi.org/10.1016/S0886-7798(01)00038-4

P. Santi, J. Holschen, R. Stephenson. “Improving Elastic Modulus measurements for based on Geology”. Enviromental & Engineering Geosciences. Vol. VI. 2000. pp. 333-346. DOI: https://doi.org/10.2113/gseegeosci.6.4.333

I. Ocak. Empirical estimation of intact rock elastic modulus. 21th international mining congress of Turkey. Antalya, Turkey. 2009. pp. 165-172.

I. Ocak, S. Seker. “Estimation of Elastic Modulus of Intact Rocks by Artificial Neural Network”. Rock Mech. Rock Eng. Vol. 45. 2012. pp. 1047-1054. DOI: https://doi.org/10.1007/s00603-012-0236-z

L. Briceño, R. Díaz. “Medida de propiedades dinámicas de rocas “in situ” y cómputo de parámetros elastomecánicos”. Geofísica Colombiana. Vol. 3. 1995. pp. 73-79.

T. Odumosu, C. Torres, M. Salazar, J. Ma, B. Voss, G. Wang. Estimation of Dry-Rock Elastic Moduli Based on the Simulation of Mud-Filtrate Invasion Effects on Borehole Acoustic Logs. 2007 SPE Annual Technical Conference and Exhibition. Anaheim, Ca, USA. 2007. pp. 1-16. DOI: https://doi.org/10.2118/109879-MS

A. Manilla, P. Garnica, A. Pérez. “Evaluación indirecta de los módulos elásticos de rigidez in situ y la relación entre Vp/Vs y el ángulo de fricción interna”. Publicación Técnica. Nº 225. 2003. pp. 5-25.

K. Aki, P. Richards. Quantitative seismology. 2nd ed. Ed. University Science Books. Sausalito, Ca, USA. 2002. pp. 119-183.

J. Fatti, G. Smith, P. Vail, P. Strauss, P. Levitt. “Detection of gas in sandstone reservoirs using AVO analysis: A 3-D seismic case history using Geostack technique”. Geophysics. Vol. 59. 1994. pp. 1362-1376. DOI: https://doi.org/10.1190/1.1443695

M. Sen. Seismic Inversion. 1st ed. Edited by the Society of Petroleum Engineers. Richardson, Tx, USA. 2006. pp. 61-67. DOI: https://doi.org/10.2118/9781555631109

K. Castaño, G. Ojeda, L. Montes. “Thin-layer detection using spectral inversion and a genetic algorithm”. Earth Sci. Res. J. Vol. 15. 2011. pp. 121-128.

Ö. Yilmaz. Seismic Data Analysis: processing, inversion and Interpretation of Seismic Data. 2nd ed. Published by the Society of Exploration Geophysicists. Tulsa, Ok, USA. 2001. pp. 25-124. DOI: https://doi.org/10.1190/1.9781560801580

G. Mavko, T. Mukerji, J. Dvorkin. The Rock Physics Handbook. 1st ed. Ed. Cambridge University Press. Cambridge, UK. 2009. pp. 21-76. DOI: https://doi.org/10.1017/CBO9780511626753

D. Cacuci. Sensitivity and uncertainty analysis: Theory. Vol. 1. Ed. Chapman & Hall/CRC. Boca Raton, USA. 2003. pp 132-141.

A. Saltelli, S. Tarantola, F. Campolongo, M. Ratto. Sensitivity analysis in practice: a guide to assessing scientific models. 1st ed. Ed. John Wiley & Sons. Chichester, England. 2004. pp. 109-148.

M. Mitchell. An Introduction to Genetic Algorithms. 1st ed. Ed. MIT Press. Boston, Mass., USA. 1998. pp. 35-81. DOI: https://doi.org/10.7551/mitpress/3927.001.0001

I. Farmer. Engineering Property of Rocks. 1st ed. Ed. E & F. N. Spon Ltd. London, England. 1968. pp. 59-85.

Descargas

Publicado

2013-10-24

Cómo citar

Montes, L., Almanza, O., & Ghisays, A. (2013). Algoritmo genético para estimar in-situ constantes elásticas de rocas mediante registros de reflexión acústica. Revista Facultad De Ingeniería Universidad De Antioquia, (68), 176–186. https://doi.org/10.17533/udea.redin.17223