Aditia
Guntara
Nim. : 14640016
Kelas : Geofisika
Jurusan : Fisika
Tugas : Translate Buku Introduction
Seismology [Second Edition]
[Cambridge University Press]
[Peter M. Shearer][2009]
JURUSAN FISIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK
IBRAHIM MALANG
2016
92 4. T E O R I R A Y : PERJALANAN WAKTU
Periode panjang
(radial)
Gambar 4,22 A periode
panjang (> 10 s), radial komponen data dari jari
ngan global antara tahun
1988 hingga 1994. Lihat gambar 4.24 untuk kun
ci nama fase.
(Dari Astiz et al., 1996.)
96 4. R A Y T H E O R Y : T R A V E L
TIMES
Periode panjang (Melintang)
4.1.1 Latihan
Focus point
h=?
v = 2 km/s r = 1 km
v = 4 km/s
103
104 5. I N V E R S I O N OF T RAV E L TIME DATA
2
dengan menggunakan u sebagai variabel integrasi:
di mana u0 adalah kelambatan di z = 0. Sekarang bandingkan dengan
(5.2) dan (5.3) dan membiarkan t (x) = X (p) / 2p, x = p2, = [u
(z)] 2, dan f () = dz / d (u2) untuk mendapatkan
T T
X X
Gambar waktu 5.1 Travel sering menunjukkan pencar, rumit
inversi untuk profil kecepatan.
tidak berubah. Ketebalan LVZ juga tidak bisa ditentukan secara unik,
meskipun batas dapat ditempatkan pada ketebalan maksimum.
Meskipun keanggunan analitis, yang Herglotz-Wiechert (HW)
rumus jarang digunakan dalam seismologi modern. Setidaknya ada
dua alasan untuk ini. Pertama, HW mengasumsikan bahwa kita diberi
T (X) kurva kontinu. Dalam prakteknya, kita selalu memiliki hanya
sejumlah terbatas titik waktu perjalanan. Ini berarti bahwa T (X) kurva
perlu menyela antara titik data, dan perbedaan dalam skema
interpolasi akan menyebabkan profil kecepatan yang berbeda.
Memang, ada jumlah tak terbatas model kecepatan yang sedikit
berbeda yang kompatibel dengan jumlah terbatas T (X) poin. Namun,
masalah yang lebih serius adalah bahwa data seismik nyata umumnya
agak bising dan saling bertentangan. Contoh umum dari data real
ditunjukkan pada Gambar 5.1. Pada contoh di sebelah kiri, pergeseran
waktu kecil menghasilkan "jitter '' di T (X) poin. Tidak mungkin untuk
menghubungkan titik-titik ini dengan halus, T (X) kurva realisasi fisik
yang diharapkan untuk model kecepatan 1-D. Pada contoh di sebelah
kanan, data dari sejumlah gempa bumi yang berbeda telah
digabungkan dan kita tertarik dalam menentukan '' profil kecepatan
"rata-rata untuk data ini.
Dalam kedua kasus ini, rumus HW tidak dapat diterapkan secara
langsung. Kami sekarang akan pergi untuk menjelajahi beberapa cara
yang seismolog membalikkan set data yang tidak sempurna.
Kegunaan utama dari rumus HW adalah setan-stration bahwa T (X)
kurva tepatnya ditentukan tidak menghasilkan solusi yang unik untuk
profil kecepatan. Dengan demikian, dalam banyak strategi inversi
masalah menemukan " 'terbaik' model kecepatan direduksi menjadi
masalah menemukan" terbaik '' T (X) kurva melalui data.
T v
X z
Gambar 5.2garis lurus cocok untuk T (X) data dapat terbalik untuk ''
lapisan-kue '' model kecepatan
108 5. I N V E R S I O N O F T R A V E L T I M E D A T A
v T
z X
v T
z X
v T
z X
Gambar 5.3 Setiap model kecepatan di sebelah kiri menghasilkan
identik pertama kedatangan; perbedaan hanya muncul di cabang-
cabang sekunder dari kurva waktu perjalanan.
5.3 (P) I N V E R S I O N
Hubungannya
114 5. I N V E R S I O N O F T R A V E L T I M
E D AT A
Gambar 5.7 Solusi untuk masala hivers geofisika sering melibatkan pertukaran antara
model yang kekasaran dan ketidakcocokan data.
model. Misalnya, orang bisa mencari " 'model halus' yang konsisten
dengan data. Keuntungan dari pendekatan ini adalah bahwa setiap
struktur (misalnya, "kasar-ness '') hadir dalam model halus harus
nyata karena metode yang telah mencoba untuk menghapusnya.
Dalam kasus inversi kecepatan seismik, turunan kedua dari
v (z) fungsi dapat digunakan sebagai ukuran kekasaran model.
Formulasi linear dari masalah adalah mungkin jika data (p) yang
tersedia (misalnya, Stark dan Parker, 1987). Hasil untuk masalah
kebalikan dari jenis ini sering dinyatakan dalam kurva tradeof
antara Model kekasaran dan ketidakcocokan data (Gambar. 5.7).
Sebuah model yang sangat halus adalah mungkin jika kita tidak
peduli tentang pas data. Namun, meminimalkan ketidakcocokan
data ke nilai terendah sering mengakibatkan peningkatan besar
dalam model kekasaran. Tidak ada gunanya mencoba
mencocokkan data dengan sempurna karena selalu ada beberapa
kesalahan yang terkait dengan data. Model optimal umumnya
dianggap terletak di suatu tempat di "sudut '' dari kurva tradeof, di
mana ada cocok masuk akal untuk data dan model yang cukup
halus (menemukan model yang optimal dapat dibuat lebih
kuantitatif jika ketidakpastian statistik dalam data yang andal
diketahui, tetapi mereka hampir tidak pernah).
Model halus sering menderita masalah presentasi yang
sama bahwa extremal terikat model memiliki - mereka bisa begitu
hambar dalam penampilan yang tidak muncul sebagai jika ada
yang menyelesaikan sangat banyak. Ini, tentu saja, adalah titik.
Jika model mulus sesuai dengan data, maka mengapa dimasukkan
ke dalam struktur yang lebih rumit? Namun, kata hati-hati juga
dalam rangka. Kita tidak harus mulai memikirkan model halus
sebagai " '' model terbaik. Biasanya tidak ada a-priori alasan untuk
berharap bumi menjadi lancar; model halus tidak model "paling
mungkin ''.