BAYESIAN SPATIAL INVERSION

Estudiantes de postgrado, profesores de universidad e investigadores interesados en los modelos inversos.

. Introducción - 1 hora
Se definirán modelos espaciales probabilísticos para las variables Continuous, Event y Mosaic. Las estrategias de observación típicas serán discutidas con los correspondientes modelos de verosimilitud. La predicción espacial y la simulación condicional se formulan en una configuración de inversión bayesiana. Se discutirá el concepto de modelos conjugados previos en la inversión espacial bayesiana. Se describen varias estrategias para evaluar la predicción y la simulación. Se presentan varios ejemplos de aplicaciones reales.

. Fenómenos Continuos - Campos Aleatorios Gaussianos - 2 horas
Las propiedades y parametrizaciones de campos aleatorios gaussianos se discuten con cierto detalle. Se especifican modelos de verosimilitud lineal para observar los campos. Las soluciones de inversión Bayesianas asociadas se definen y se muestra que corresponden a la predicción geográfica de Kriging ya la simulación condicional. Se describe una generalización, denominada campos aleatorios de selección gaussiana. Se presentan ejemplos de inversión sísmica.

. Fenómenos de eventos - Poisson Random Fields - 2 horas
Se discuten propiedades y parametrizaciones de campos aleatorios de Poisson. Las estrategias de observación basadas en el adelgazamiento se discuten y modelan. Se desarrollan soluciones de inversión Bayesianas y se discuten evaluaciones de los modelos posteriores. Se presentan ejemplos del modelado de fallas.

. Fenómenos mosaicos - Campos aleatorios de Markov - 2 horas
Propiedades y parametrizaciones de campos aleatorios de Markov. Las estrategias de observación regulares se discuten y modelan. Se desarrollan los modelos posteriores basados ??en la inversión bayesiana y se discute su evaluación. Se presentan ejemplos de la litología / modelado de fluidos.