Nama : Moh.

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

Gambar 4,19 A tumpukan pendek periode

(< 2 s), vertikal komponen data
dariJaringan global antara tahun
1988 hingga 1994. Lihat gambar 4,20 untuk
kunci nama fase. (Dari Astiz et al., 1996.)
4.10 G L O B A L B O D Y - W A V E O B S E R V A T I O N S 93
Gambar 4,20 A fase terlihat dalam tumpukan pe
ndek
periode diplot di 4,19 gambar. Perjalanan waktu
kurva dihitung menggunakan model kecepatan I
ASP91 (Kennett dan Engdahl, 1991).
(Dari Astiz et al., 1996.)
94 4. T E O R I R A Y: PERJALANAN WAKTU

Gambar 4,21 A periode

panjang (> 10 s), vertikal komponen data dari ja
ringan global antara tahun
1988 hingga 1994. Lihat gambar 4.24 untuk kun
ci nama fase.
(Dari Astiz et al., 1996.)
4.10 G L O B A L B O D Y - W A V E O B S E R V A T I O N S 95

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)

Tumpukan gambar 4.23 A periode

panjang (> 10 s), melintang komponen data dari
jaringan global antara tahun
1988 hingga 1994. Lihat gambar 4.24 untuk kun
ci nama fase. (Dari Astiz et al., 1996.)
4.10 G L O B A L B O D Y - W A V E O B S E R V A T I O N S 97
Gambar 4.24 fase terlihat di tumpukan periode
panjang yang ditunjukkan dalam angka 4.214.2
3. Perjalanan waktu kurva dihitung menggunaka
n model kecepatan IASP91 (Kennett dan Engdahl
, 1991).
(Dari Astiz et al., 1996.)
98 4. R A Y T H E O R Y : T R A V E L T I M E

4.1.1 Latihan

1. Tunjukkan bahwa waktu minimum jalan antara titik A dan B untuk

geometri ray pada gambar 4.25 memberikan hasil yang sama
sebagai hukum snellius. Petunjuk: express waktu total perjalanan
sebagai fungsi dari posisi membungkuk titik pada antarmuka.
2. Gelombang P mengarah ke bawah medium P dengan kecepatan 6
km/s melalui sudut yang berbentuk. Jika
sinar insiden membentuk 60 dari horizontal
dan sinar akhir adalah sudut 75 dari vertikal,
apa itu P kecepatan dalam jangka menengah dan
berbentuk sudut ?
3. Seperti yang ditunjukkan dalam gambar 4.26 vertikal
pada pesawat gelombang yang terjadi pada sedimen-ruang bawah bawah dimana
dengan kecepatan seismic turun dari 4 km/s sampai 2 km/s. depresi cylindrically
berbentuk (dengan radius kelengkungan r = 1 km) titik (kurang lebih) ray jalan
untuk focus dalam sedimen. Memecahkan untuk tinggi titik focus diatas titik
terendah dari antarmuka. Petunjuk: sebagai-sume lereng maksimum depresi yang
cukup kecil bahwa disamakan sin ketika mempertimbangankan
sudut sinar.
4. Tunjukkan bahwa sinar digradien linier kecepatan dalam bentuk v
= a+bz alan memiliki sinar yang melingkar. Memperoleh ekspresi
untuk jari-jari lingkaran b dan sinar parameter p. (hal ini juga
memungkinkan untuk memperoleh kendala lebih umum,
menerapkan sinar geometri untuk kecepatan linier gradient dalam
anisotropic media (lihat
shearer dan Chapman,
1988); hasil edaran untuk
isotropic media berikut
sebagai kasus khusus.)
5. asumsikan bahwa kecepatan bervariasi dengan baik dengan
kedalaman sedemikian rupa bahwa kurva T(X) untuk P (permukaan
untuk permukaan) memiliki bentuk analisis sederhana T = 2(X + 1)1/2
2.

Gambar 4.25 jalan cahay antara

dua lapisan homogen
4.11 L A T I H A N 99

Focus point

h=?

v = 2 km/s r = 1 km

v = 4 km/s

Upgoing plane wave

Figure 4.26 The ray geometry for an

upcoming plane wave incident on a cylindrical
basin.

Sekarang mempertimbangkan tahap PP untuk

struktur kecepatan ini, yang mengan dua P kaki
dengan pantulan permukaan titik antara sumber
dan penerima. Menggunakan fungsi T(X) diatas,
menunjukkan bahwa untuk waktu perjalanan
menjadi stasioner sehubungan dengan perubahan
posisi bounce point, bounce point harus terjadi
pada titik tengah antara sumber dan penerima.
Tunjukkan bahwa ini adalah titik waktu
maksimum. (Catatan; mempertimbangkan hanya
bouncing-poin dalam bidang vertikal
menghubungkan sumber dan penerima. Titik
tengah adalah titik waktu minimum untuk
menemukan perputaran tegak lurus bidang
sumber-penerima, dan dengan demikian
bouncepoint PP, perubahan dua dimensi adalah
benar-benar titik minimax atau pelana.)
6. Berikan argument grafis mengunakan T(X) yang
menunjukkan bahwa titik tengah PP harus titik
waktu maksimum sepanjang cabangnya prograde
kurva waktu perjalanan.
7. Ubah variable pada persamaan (4.32) untuk X(p)
pada bumi bulat dengan menerapkan transformasi
bumi datar (4.45)(4.46) dan mengubah
persamaanan integral dz ke integral dr . dengan
menggantikan z dengan z = a ln(r/a), u = uf
dengan fungsi us, dll. Tunjukkan bahwa hasil bumi
bulat dengan persamaan (p) (persamaan 4.44).
petunjuk: ingat bahwax = dan mengubah u pada
sisi kanan persamaan (4.40).
8. (Komputer) mempertimbangkan MARMOD,model
kecepatan versus- kedalam, yang khas banyak
kerak samudera (Tabel 4.1). kecepatan linier
gradient dianggap telah ada pada kedalaman
menengah dalam model; sebagai contoh, kecepatan
P 3,75km adalah 6,9 km/s. jejak sinar dapat ditulis
dengan sebuah program
100 4. R A Y T H E O R Y : T R A V E L
TIMES

Table 4.1: MARMOD, a generic marine seismic model

Depth (km) (km/s) (km/s) (g/cc)

0.0 4.50 2.40 2.0

1.5 6.80 3.75 2.8

6.0 7.00 3.85 2.9

6.5 8.00 4.60 3.1

10.0 8.10 4.70 3.1

Dan menghasilkan gelombang P -kurva T(X), menggunakan

nilai dengan parameter p spasi antara 0.1236 dan 0.2217 s/km.
anda akan menemukan hal berguna dengan menggunakan
LAYERXT (diberikan dalam Fortran dalam Apendiks D dan
bahan tambahan web sebagai script Matlab), dengan
memberikan dx dan dt sebagai fungsi p untuk lapisan dengan
kecepatan linier gradien. Program anda akan melibatkan loop
luar atas sinar parameter dan loop dalam atas kedalaman dalam
model. Untuk setiap sinar, mengatur x dan t untuk nol dan
kemudian, mulai dengan permukaan lapisan dan melanjutkan
kebawah, jumlah kontribusi dx dan dt, dari LAYERXT untuk
setiap lapisan sampai sinar berubah. Ini akan memberikan x dan
t untuk sinar dari permukaan titik balik. Kalikan dengan dua
untuk memperoleh nilai total permukaan ke permukaan X(p)
dan T(p). Sekarang menghasilkan plot: (a) T(X) berkomplot
dengan pengurangan kecepatan 8 km/s, (b) X(p), dan (c) (p).
Masing-masing plot, label cabang prograde dan mundur. Mana
mungkin salah satu mengantisipasi bahwa amplitude terbesar
akan terjadi ? mungkin salah satu mengantisipasi bahwa
amplitude terbesar akan terjadi?

9. (COMPUTER) membangun sebuah gelombang P pada waktu

kurva untuk bumi menggunakan PREM model (lihat Apendiks
A). Program anda harus terlebih dahulu membaca secara
mendalam kecepatan P untuk lapisan yang berbeda dalam
model. Selanjutnya, oleskan transformasi bumi datar (4.45)
(4.46) untuk mengkonversi kedalam dan kecepatan ini ke nilai
setara bumi datar. Kemudian, gunakan subtroutine yang
LAYERXT (diberikan dalam Fortran dalam Apendiks D dan
bahan tambahan web sebagai script Matlab) untuk melacak
sinar melalui model ini dan menghasilkan P kurva T(X) ,
menggunakan nilai 201 sinar parameter p spasi antara0.0017
and 0.1128 s/km. Program anda dapat disturisasi seperti yang
dijelaskan dalam latihan 4.8; namun, anda harus mengkonversi
nilai X kembali oleh LAYERXT dari kilometer ke derajat
sepanjang permukaan bumi. Sekarang menghasilkan plot.
(a) T(X) dengan X = 0 sampai 180, T = 0 sampai 25 menit,
dan tidak ada pengurangan kecepatan. Jika anda
menghubungkan titik-titik T(X) individual dengan garis,
hati-hati untuk menghindari zona bayangan antara P dan
PKP. Bandingkan hasil dengan gambar 4.20.

(b) T(X) dengan X = 10 sampai 35 , T = 50 sampai 100
s, dan ada pengurangan kecepatan of 0.1 degree/s.
Ini harus menghasilkan tampilan yang diperbesar
triplications asso-
4.11 E X E R C I S E S 101

Ciated dengan diskontinuitas atas mantel

jam 400 dan 670 km mendalam dalam
PREM model. Pada plot, label cabang
waktu perjalanan yang mewakili: (1) sinar
yang berpaling diatas 400 km, (2) sinar
yang berubah di 400 km, (3) sinar yang
mengubah antara 400 dan 670 km, (4)
sinar yang mengubah 670 km, dan (5)
sinar yang mengubah dibawah 670 km.
Catatan: Bumi datar transformasi meledak
dipusat bumi dan program anda dapat
menghasilkan hasil yang aneh pada nilai r kecil;
jadi jangan mencoba untuk mengubah (r = 0, z =
6,371) tingkat di PREM. sebagai kluge, hanya
mengubah kedalaman terakhir dalam model 6360
km. ini berarti bahwa anda tidak akan dapat
memasukkan sinar vertikal yang masuk melalui
pusat inti; inilah sebabnya mengapa anda akan
diminta untuk menggunakan p = 0.0017 sebagai
parameter sinar minimum. Peringatan: anda
dihitung P perjalanan kali hanyalah perkiraan,
karena sampling relative kasar dari PREM dalam
Apendiks 1. Model PREM benar tidak
mengandung gradient linier kecepatan antara titik
kedalaman, seperti mengansumsikan subroutine
LAYERXT .
10. Untuk model bumi poliuretan simetris, gerakan
gelombang P -SV memisahkan seutuhnya dari
gerak SH. Meskipun demikian, gelombang P
yang sering diamati (lemah) pada komponen
trans-ayat (misalnya, angka 4.17 dan 4.23).
Memberikan beberapa alasan mengapa hal ini
mungkin terjadi.
11. Gambar pada 4.214.23 muncul grainier

pada sumberpenerima jarak dekat r0 dan

180 daripada di 90 , karena sejumlah kecil
seismograms berkurang pada rentang kecil dan
panjang ?
12. Beberapa fase seismic diangka 4.18
4.dipetakan dengan lereng negative, yaitu
mereka tiba lebih cepat dijarak yang lebih
jauh. Bagaimana ini bisa terjadi ?
13. Using Figures 4.184.24, identify the period
(short or long), component (vertical, radial, or
transverse), and the sourcereceiver distance at
which one can most easily observe the
following seismic phases:
(a) SKS,
(b) PKKP,
(c) Sdiff (S wave diffracted along the CMB),
(d) PKPPcP,
(e) PcP,
(f) ScSScS (labeled ScS2 in Figure 4.24),
(g) PKPPKP (often called P P )
 5

Data Inversi Perjalanan Waktu

Dalam bab sebelumnya kita meneliti masalah pelacakan sinar dan
menghitung kurva waktu tempuh dari struktur kecepatan dikenal.
Kami berasal ekspresi untuk ray tracing dalam (1-D) model kecepatan
satu dimensi di mana kecepatan bervariasi hanya dengan kedalaman;
ray tracing dalam tiga dimensi (3-D) struktur umum lebih kompleks
tetapi mengikuti prinsip-prinsip yang sama. Kami sekarang memeriksa
kasus di mana kita diberi waktu perjalanan yang diperoleh dari
pengamatan dan ingin membalikkan untuk struktur kecepatan yang
dapat menjelaskan data. Yang dibayangkan, inversi jauh lebih rumit
daripada masalah ke depan. Strategi utama yang digunakan oleh
seismolog, baik dalam studi global dan kerak, secara umum untuk
membagi masalah menjadi dua bagian:
1. A 1-D " '' model kecepatan rata-rata ditentukan dari semua data
yang tersedia. Ini adalah gen-erally masalah non-linear tetapi
penurut karena kita sedang mencari satu fungsi dari kedalaman.
Analisis sering tidak melanjutkan melampaui titik ini.
2. Jika cakupan ray 3-D yang cukup hadir, model 1-D digunakan
sebagai model referensi dan waktu perjalanan sisa dihitung untuk
setiap datum dengan mengurangi waktu yang diprediksi dari waktu
yang diamati. Sebuah model 3-D diperoleh dengan membalik
perjalanan waktu residu untuk gangguan kecepatan relatif terhadap
model referensi. Jika gangguan kecepatan cukup kecil, masalah ini
dapat linierisasi dan komputasi layak bahkan untuk set data yang
besar. Ini adalah dasar untuk teknik inversi tomografi.
Kami sekarang mempertimbangkan masing-masing masalah pada
gilirannya. Untuk saat ini kita akan mengasumsikan bahwa lokasi
sumber yang diketahui secara tepat, menunda diskusi tentang
masalah lokasi gempa untuk akhir bab ini.
 5.1 Inversi Kecepatan satu Dimensi
Sebelum memulai hal ini berguna untuk membayangkan bagaimana
seseorang dapat memperoleh struktur kecepatan 1-D dari waktu
perjalanan. Asumsikan bahwa kita diberi kurva waktu tempuh
sederhana

103
104 5. I N V E R S I O N OF T RAV E L TIME DATA

tanpa triplications atau zona-kecepatan rendah. Setiap titik pada kurva

T(X) memiliki kemiringan, yang memberikan kecepatan pada titik
balik dari sinar. Dengan demikian, kita tahu bahwa kecepatan tertentu
harus hadir; masalahnya adalah untuk menentukan di mana. Ini setara
dengan menugaskan mendalam untuk setiap titik sepanjang kurva
waktu perjalanan. Untuk melakukan ini kita perlu mengetahui struktur
kecepatan di atas kedalaman yang bersangkutan, dan sehingga masuk
akal untuk memulai di permukaan dan bekerja dengan cara kami
turun. Pada asal kita tahu kedua kedalaman (nol) dan kecepatan
(kemiringan kurva T(X)). Kami kemudian bisa memeriksa titik terdekat
pada kurva T(X), menghitung kecepatan, dan menemukan kedalaman
di mana perjalanan waktu kurva diprediksi akan melewati titik yang
diamati. Dengan cara ini kita bisa terus sepanjang T(X) kurva dan
turun secara mendalam.
Namun, hal ini hampir tidak pendekatan yang ketat dan
meninggalkan beberapa pertanyaan un-menjawab. Apakah selalu
mungkin untuk mendapatkan model kecepatan? Mungkinkah ada lebih
dari satu model kecepatan yang memprediksi kurva waktu tempuh
yang sama? Kami sekarang mengeksplorasi isu-isu ini, umumnya
mengikuti pengobatan di Aki dan Richards (2002, pp. 414- 22) yang
pembaca disebut untuk lebih jelasnya.
Ingat dari Bab 4 formula untuk waktu perjalanan permukaan-ke-
permukaan dan jarak untuk model kecepatan 1-D:

Asumsikan bahwa kita diberi kurva lengkap T(X). Dengan mengukur

kemiringan kurva T(X), kita bisa memperoleh p = dT/dX dan dengan
demikian kedua X(p) dan T(p). Tujuan kami adalah untuk membalikkan
untuk u(z).
Ternyata bahwa masalah inversi ini
analo-gous untuk masalah yang sangat tua
yang Abel (diucapkan "ah-Buhl '') diselesaikan
pada tahun 1826. masalah Abel adalah untuk
menemukan bentuk bukit, pengukuran
diberikan berapa lama dibutuhkan bola
menggulung dan kembali menuruni bukit,
sebagai fungsi dari kecepatan awal bola (asumsi yang tidak realistis
khas masalah fisika diterapkan tahun pertama: bola diasumsikan
gesekan, tidak memiliki inersia rotasi, dan menjadi "terjebak '' ke bukit
sehingga tidak pernah menjadi udara). Titik tertinggi bola mencapai
dapat dihitung dari kecepatan awal dengan menyamakan energi kinetik
dan potensial.
Abel menunjukkan bahwa solusi tersebut dapat diperoleh dari
pasangan transformasi terpisahkan:
di mana x adalah titik tertinggi bola dan t adalah waktu perjalanan.

X(p) persamaan (5.1) dapat dimasukkan ke dalam bentuk analog

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

Integral parsial, kita bisa mendapatkan

Persamaan (5.5) dan (5.6) berasal di seismologi pada periode 1903-

1910 oleh tiga peneliti independen dan disebut sebagai rumus
Herglotz-Wiechert- Bateman (sering hanya Herglotz-Wiechert). rumus
yang sama dapat diturunkan untuk kasus Bumi bulat (lihat Aki dan
Richards, 2002, hal. 419). Untuk menggunakan persamaan ini untuk
mendapatkan fungsi kedalaman kecepatan, kita memilih nilai untuk
kelambatan u. Batas atas integrasi dalam (5.6), X (u), merupakan
kisaran untuk ray dengan parameter ray p = u dan diperoleh dari (p)
kurva X. terpisahkan tersebut kemudian dihitung untuk nilai X mulai
dari 0 sampai X (u) (perhatikan bahwa p di (5,6) adalah fungsi dari X).
Hal ini memberikan z (u), kedalaman ke kelambatan u. Dengan
mengulangi perhitungan ini untuk nilai yang berbeda dari u kita dapat
memperoleh u (z) dan dengan demikian profil kecepatan yang
diinginkan.
Formula ini tidak valid ketika zona kecepatan rendah hadir, dalam hal
ini X (p) terputus dan tidak ada solusi yang unik. Sebuah ilustrasi
sederhana dari fakta ini adalah membayangkan sejumlah lapisan
homogen dari berbagai kecepatan dalam LVZ tersebut. Karena tidak
ada sinar mengubah dalam lapisan ini, mereka dapat mengocok
sewenang-wenang dan waktu perjalanan yang terintegrasi dan jarak
untuk sinar yang melewati LVZ akan
106 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

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.

5.2 Lurus-pas Garis

Salah satu pendekatan yang paling sederhana untuk kecepatan inversi
adalah sesuai data waktu perjalanan dengan serangkaian garis lurus.
Hal ini digunakan secara luas oleh seismolog di
5.2 S T R A I G H T - L I N E F I T T I N G 107

T v

X z
Gambar 5.2garis lurus cocok untuk T (X) data dapat terbalik untuk ''
lapisan-kue '' model kecepatan

1950-an dan awal 1960-an untuk menginterpretasikan hasil

percobaan pembiasan laut mereka. Garis umumnya ditarik oleh
tangan di lereng dan posisi diperkirakan oleh mata (ini adalah
sebelum komputer menjadi umum tersedia). Karena kemiringan
setiap baris menentukan kecepatan seismik, itu sangat mudah
untuk membalikkan data untuk model sederhana yang terdiri
dari sejumlah kecil lapisan homogen (Gambar. 5.2). Model ini
dapat diperoleh paling mudah dengan mengkonversi setiap
segmen garis ke titik di (p). Ingat (4,25) untuk (p) dalam
kasus serangkaian lapisan homogen:

Perhatikan bahwa 1 = 0 dan bahwa lambatnya lapisan atas

ditentukan oleh kemiringan (u1 = p1) segmen baris pertama,
kelambatan lapisan kedua diatur oleh kemiringan segmen baris
kedua (u2 = p2) , dll ketebalan lapisan pertama ditentukan oleh
lereng dan kali penundaan dari dua segmen garis pertama,
yang, diberikan 2 dan u2 = p2, kita dapat memecahkan
persamaan ini untuk z1 (juga menggunakan 1 = 0, u1 = p1).
Kami kemudian menggunakan 3 dan u3 = p3 untuk
memecahkan z2, dll.
 Waktu perjalanan data dari kerak samudera umumnya
cocok dengan tiga baris seg-men, yang mengarah ke model
yang mengandung tiga lapisan homogen: layer 1 untuk
sedimen, lapisan 2 untuk kerak (~2 km tebal), dan lapisan 3
untuk yang lebih rendah kerak (~4 km tebal). Lapisan sebutan
ini telah menjadi terminologi standar untuk menggambarkan
kerak samudera, meskipun kita sekarang tahu bahwa kerak
(layer 2) umumnya terdiri dari beberapa struktur dan ditandai
dengan gradien kecepatan curam daripada kecepatan konstan.
Perhatikan bahwa model lapisan-kue seperti ini
memprediksi triplications dan kedatangan sekunder di setiap
"sudut '' dalam kurva waktu perjalanan. Ada sejumlah besar
model alternatif yang akan menghasilkan identik kali pertama
tiba, hanya berbeda dalam bentuk cabang sekunder (Gambar.
5.3). Untuk kasus yang ditampilkan di bagian bawah Gambar
5.3, model berfokus semua sinar menengah untuk mendarat di
kisaran yang sama (profil kecepatan yang menyelesaikan ini
pertama kali diperoleh oleh L. B. Slichter di

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.

1932). Tanpa data cabang sekunder, tidak ada cara untuk

membedakan antara model ini. Pendekatan lapisan homogen hanya
masuk akal dalam kasus di mana kita memiliki beberapa apriori alasan
untuk mengharapkan model kecepatan akan ditandai oleh sejumlah
kecil lapisan kecepatan hampir konstan.

5.2.1 Contoh: Pemecahan untuk Model Lapisan Kue

4 =
Mengingat kurva waktu tempuh ke kanan,
0,417 s
memecahkan model lapisan homogen.
/ km,
kurva memiliki tiga segmen garis lurus,
maka langkah pertama adalah untuk
memecahkan parameter ray, p, dan
waktu tunda, , untuk setiap baris. Ini
sangat mudah, tetapi perhatikan bahwa
kali diplot dikurangi dengan 6 km / s.
Dengan demikian, p1 = T / X = (1 + 4/6) /
p2 = ((1.6 + 10/6) (1 + 4/6))/(10 4) = 0.267 s/km, dan p3 = 1/6 = 0.167
s/km (karena garis horizontal terjadi pengurangan kecepatan).
5.2 S T R A I G H T - L I N E FITTING 109

Nilai-nilai diperoleh oleh y-penyadapan dari

setiap baris, yaitu., 1 = 0 s, 2 = 0.6 s, 3 = 1.6 s.
Untuk model kue lapis, kita menetapkan u1 = p1,
u2 = p2, dan u3 = p3, sesuai dengan kecepatan
v1 = 1/u1 = 2.4, v2 = 1/u2 = 3.75, dan v3 = 6
km/s. kita kemudian menggunakan (5.7) untuk
memecahkan z1 dan z2, yaitu,

Dimana kita peroleh z1 = 0.937 km. kita kemudian

memiliki
2 2 1/2 2
3(p3) = 1.6 = 2(u 1 p 3) z1 + 2(u 2
2 1/2
p 3) z2
2 2 1/2
= 2(0.417 0.167 ) 0.937 +
2 2 1/2
2(0.267 0.167 )
z2

dari mana kita mendapatkan z2 = 2.12 km.

Model ini terdiri dari lapisan permukaan
0,937-km-tebal kecepatan 2,40 km / s, di
atas lapisan 2.12-km-tebal kecepatan 3,75
km / s. Perhatikan bahwa ketebalan lapisan
bawah dengan kecepatan 6 km / s tidak
dibatasi.

5.2.2 Cara Lain Agar Sesuai

dengan Kurva T(X)

Misalkan kita meninggalkan mentah

pendekatan garis lurus pas dibahas di atas
dan mencoba untuk menentukan langsung T
(X) kurva yang dalam arti tertentu (misalnya,
kuadrat) datang paling dekat dengan kita
mengamati T (X) titik diskrit. Apa sederhana
diskrit Representa-tion dari T (X) kurva akan
sering menyebabkan T (X) kurva dengan
patch yang cekung dan dengan demikian
terwujud secara fisik untuk cabang pertama-
tiba. Kita dapat menghindari masalah ini jika
kita menambahkan kendala positif untuk
perubahan dalam kemiringan kurva T (X)
(misalnya, menerapkan algoritma non-negatif
kuadrat-). Namun, pos-itivity kendala akan
menyebabkan T (X) kurva ditandai oleh
serangkaian segmen garis lurus. Hasil ini,
yang mungkin tampak mengejutkan pada
awalnya, khas dari kendala positif di masalah
terbalik. T (X) kurva adalah "memukul-mukul
berhenti '' di tempat-tempat itu benar-benar
ingin menjadi cekung ke atas. kurva T (X) ini
adalah yang terbaik pas dalam arti bahwa itu
adalah kurva realisasi fisik paling dekat
dengan titik data. Bagaimana-pernah, seperti
yang kita lihat di atas, parameterisasi T (X)
kurva dengan serangkaian segmen garis
hampir tidak mengarah ke solusi yang unik
untuk kecepatan dibandingkan profil
mendalam. Selain itu, tersegmentasi T (X)
hasil kurva dari pendekatan ini bahkan jika
distribusi kecepatan yang mendasari halus.
Dalam kasus di mana kita mengharapkan
profil kecepatan mulus dan tidak ada
triplications, hasil yang lebih baik dapat
diperoleh dengan pas kurva mulus untuk
data. Hal ini dapat dilakukan dengan
menggunakan representasi polinomial atau
spline. Data waktu perjalanan harus cukup
melengkung yang segmen atas cekung tidak
masalah. Pendekatan ini telah digunakan
dengan beberapa keberhasilan di dalam
mantel yang lebih rendah di mana
triplications umumnya tidak dianggap hadir.
Namun, keunikan masih merupakan masalah
yang signifikan sejak
110 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

prosedur kurva-pas yang berbeda akan menyebabkan T (X) kurva

yang berbeda (dan model kecepatan yang berbeda).

5.3 Inversi (p)

The Herglotz-Wiechert rumus canggung untuk melakukan inversi

karena kecepatan adalah fungsi non-linear dari X (p). Bekerja di
(p) domain bisa lebih, karena formulasi linear mungkin (misalnya,
GARMANY et al., 1979). Ingat (p) rumus untuk permukaan-ke-
permukaan ray geometri

Sekarang mengubah variabel integrasi dari z ke u. Jika u (z) adalah

monoton menurun (tidak ada zona kecepatan rendah), kemudian
beralih batas-batas integral adalah sederhana:

di mana u0 adalah kelambatan di permukaan (kelambatan

maksimum) dan kelambatan pada titik balik, UTP, sama dengan
parameter ray p. Jika kita mengintegrasikan persamaan ini dengan

bagian, kita memperoleh

sehingga kita mendapatkan limit, persamaan menjadi

Perhatikan bahwa ungkapan ini linear terhadap perubahan z (u).

Jika fungsi z (u) dikalikan dengan 2 maka (p) fungsi juga dua kali
lipat. linearitas ini memungkinkan penerapan banyak teknik dari
teori terbalik linear terhadap masalah menemukan profil kecepatan
mendalam.
Sebagai contoh sederhana, mempertimbangkan kasus di mana
kita tahu (p) pada serangkaian nilai-nilai diskrit parameter ray pj,
(j = 1, 2,..., M) dan kami memutuskan untuk parameterisasi model
kami sebagai serangkaian homogen lapisan (ui, i = 1, 2,..., n).
terpisahkan kami untuk (p), persamaan (5.8), menjadi
penjumlahan :
5.3 (P) I N V E R S I O N 111

mana hi adalah ketebalan lapisan-i. Kita

mungkin menulis ini sebagai

dll. Bentuk matriks akan menjadi

Atau dapat disederhanakan

dimana G adalah matriks yang

didefinisikan di atas. Perhatikan bahwa
semua , p, dan nilai-nilai u diketahui;
satu-satunya yang tidak diketahui adalah
ketebalan lapisan, yang terkandung
dalam vektor h. Karena ini adalah sistem
linear, kita dapat menggunakan teknik
standar untuk memecahkan h. Jika
jumlah lapisan kurang dari jumlah nilai
(n <m), ini umumnya akan menjadi
masalah overdetermined yang metode
kuadrat dapat digunakan. Jika jumlah
lapisan lebih besar dari jumlah nilai (n>
m), maka masalahnya adalah
kekurangan persamaan, dan beberapa
bentuk regularisasi akan diperlukan
untuk mendapatkan solusi. Jika n = m
dan kami mengatur u1 = p1, u2 = p2, dll,
maka kita memecahkan untuk model
lapisan-kue yang cocok dengan T (X)
kurva yang terdiri dari serangkaian
segmen garis lurus. Dalam hal ini, istilah
diagonal G di (5.13) adalah nol, istilah
pertama dan nilai terakhir dari h dapat
dihapus (karena (p1) = 0 dan hn tidak
dibatasi) dan persegi G matriks baru
dibentuk dengan non-nol diagonal,
analog dengan persamaan (5.7).

5.3.1 Example: The layer-

cake model revisited
Di 5.2.1, kita dipecahkan untuk tiga
lapisan model menggunakan persamaan
(5.7). Kita dapat melakukan perhitungan
yang sama dengan menggunakan
persamaan (5.13). Sekali lagi, kita
asumsikan u1 = p1 = 0,417 s / km, u2 =
p2 = 0,267 s / km, dan u3 = p3 = 0,167 s
/ km. Kami juga memiliki 1 = 0 s, 2 =
0,6 dan 3 = 1,6 s. Istilah diagonal dari
matriks
112 5. I N V E R S I O N O F T R A V E L T I M E DA

Pada (5.13) = nol,maka

Ini adalah persamaan yang sama

seperti sebelumnya dan
menggantikan nilai-nilai u, p dan ,
kita memperoleh h1 = 0,937 km dan
h2 = 2.12 km.

5.3.2 Kendala untuk

Mendapatkan (p)

Hal ini cukup mudah untuk

menggeneralisasi pendekatan ini untuk
memecahkan model kecepatan halus
daripada yang dihasilkan dari lapisan
homogen. Misalnya, kecepatan bisa
diparameterisasi dengan kelambatan
linear gradien menghubungkan masing-
masing (u, z) titik dalam model. Dalam
hal ini jumlah yang jauh lebih kecil dari
model yang poin yang diperlukan untuk
mencapai gradien kecepatan yang halus.
Sifat bernilai tunggal dari fungsi (p)
(triplications di T (X) yang "terurai '') dan
linearitas persamaan yang berkaitan
(p) untuk kecepatan membuatnya lebih
mudah untuk bekerja di yang (p)
domain daripada di T (X) domain.
Sayangnya, data seismik biasanya
berada di T (X), sehingga perlu untuk
mengkonversi ke (p) sebelum analisis
dapat dimulai. Pada prinsipnya,
mengingat data kontinu bebas noise, itu
adalah sepele untuk menghitung (p)
dari T (X) dan sebaliknya, menggunakan

Gambar 5.4 Garis di T(X) domain sesuai

dengan poin di (p) domain, dan sebaliknya

5.3 (P) I N V E R S I O N

Hubungannya

Perhatikan bahwa garis di T (X) menjadi

titik (p), dan bahwa garis di (p)
menjadi titik T (X) (Gambar. 5.4).

Dalam prakteknya, kita biasanya

memiliki T (X) data sebagai serangkaian
poin. Salah satu cara untuk
membangun (p) kurva
dari serangkaian T (X) poin
adalah untuk mengkonversi
setiap T (X) poin menjadi
garis di (p). The
diinginkan (p) kurva
kemudian diberikan grafis
dengan amplop yang
dibentuk oleh
persimpangan garis-garis
ini (Bessonova et al., 1974, 1976). Teknik
ini tidak memberikan solusi yang tepat
untuk (p) kurva; beberapa bentuk
prosedur pas masih diperlukan untuk
mendapatkan kurva tunggal dari amplop
dari garis
Hal ini juga memungkinkan untuk
mengkonversi data gelombang langsung
ke p (p) domain dengan melakukan
tumpukan miring (juga disebut -p atau
Radon trans-bentuk), di mana setiap titik
dalam (p) gambar yang dihasilkan oleh
menjumlahkan titik data (ini disebut
susun) sepanjang garis yang sesuai pada
T (X). Untuk melihat bagaimana ini
bekerja, pertimbangkan catatan bagian
plot seismogram terhadap jarak pada
Gambar-ure 5.5. Kemiringan tumpukan
dibangun dengan menjumlahkan data di
sepanjang garis didefinisikan oleh
parameter ray dan delay waktu. Untuk p
= 0,128 s / km dan = 3 s, garis tidak
sejajar dengan setiap kedatangan di
bagian rekaman dan dengan demikian
ada sedikit kontribusi untuk
Gambar 5.5 Penumpukan seismogram
sepanjang garis didefinisikan oleh
kemiringan dan waktu tunda dapat
digunakan untuk memetakan T(X) gambar
menjadi T(p) (miring stack).

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

miring stack ( 'A' dalam Gambar. 5.5).

Namun, sejalan dengan = 6.4 s dan
lereng yang sama sejalan dengan banyak
puncak di seismogram dan tumpukan
miring akan memiliki amplitudo yang
besar di p = 0,128 s / km dan = 6,6 s
titik ( 'B' dalam Gambar. 5.5). Metode ini
dapat bekerja dengan baik jika data yang
merata dengan jarak dan kedatangan
yang cukup koheren, dan memiliki
keuntungan tidak membutuhkan apapun
memetik dari seismogram dan alami
termasuk cabang-cabang sekunder
triplications. Miring susun umumnya
digunakan dalam seismologi untuk
mengolah data dari array dari stasiun
seismik dan untuk meningkatkan
visibilitas fase dengan sinyal-to-noise
miskin di catatan indi-vidual. Namun,
tidak teratur spasi data dan tepi efek
sering menghasilkan artefak pada
gambar miring stack. Selain itu, untuk
membalikkan untuk model v (z) dengan
menggunakan teknik yang dibahas di
sini, (p) kurva masih harus
parameterized dari gambar miring-stack.
Kadang-kadang jenis analisis ini
digunakan untuk memperkirakan batas
atas dan bawah pada (p) kurva. Ini
dapat diukur, agak subyektif, dari amplop
grafis yang ditunjukkan di atas atau
gambar miring stack. Atau, batas pada
dapat diperoleh untuk nilai-nilai tertentu
dari p dengan menemukan garis
kemiringan yang tepat yang membatasi T
(X) kurva (Gambar. 5.6). Bahkan prosedur
ini tidak sepenuhnya memuaskan karena
ada beberapa subjektivitas dalam
menentukan batas bawah, dan
kedatangan sekunder tidak terdeteksi
dari cabang triplicated bisa, dalam
beberapa keadaan, berada di luar T (X)
batas diasumsikan. Masalah mengungkap
triplications masih ada, dan keunikan
inversi kecepatan sangat terbatas jika
hanya pertama-tiba data yang tersedia.
Namun, mari kita asumsikan batas
atas dan bawah dapat diandalkan pada
(p) kurva tersedia. Ada jumlah tak
terbatas kemungkinan (p) kurva dalam
batas-batas ini, sesuai dengan jumlah tak
terbatas kemungkinan model kecepatan.
Bagaimana kita memilih antara model
ini? Kita akan membahas dua
pendekatan: (1) inversi extremal untuk
mendapatkan batas v (z) dan (2)
kehalusan kendala pada v (z).

Gambar 5.6 Hulu dan batas bawah

diperoleh dari data waktu perjalanan dapat
digunakan untuk menempatkan batas (p)
dan kecepatan vs profil mendalam. Dua
baris di z (v) menunjukkan minimum dan
kedalaman maksimum yang kecepatan
tertentu bisa hadir dan masih memenuhi
batasan waktu perjalanan.
5.4 L I N E A R P R O G R A M M I N G A N D R E G U L A R I Z A T I

5.4 Pemograman dan

Regul
asi
Meto
de
Linier
Mungkin pendekatan yang paling
konservatif kita bisa ambil adalah untuk
menemukan batas dari v (z) yang sesuai
dengan batas-batas pada (p). "Batas ''
dari v (z) didefinisikan secara umum
dengan mengajukan pertanyaan: Apa
adalah minimum dan kedalaman
maksimum mungkin untuk kecepatan
tertentu? Sekali lagi, kita harus
mengecualikan zona kecepatan rendah
untuk mendapatkan jawaban yang jelas.
Masalah ini dapat dirumuskan dengan
menggunakan persamaan linear seperti
contoh yang ditunjukkan pada
persamaan (5.13), dan dengan
menerapkan teori pemrograman linear
untuk mendapatkan maksimum atau nilai
minimum z (v) (misalnya, GARMANY et al,
1979;. Orcutt, 1980 ;. Stark et al, 1986).
Hasilnya adalah koridor fungsi diizinkan z
(v) (Gambar. 5.6).
Hasil ini kadang-kadang disalahartikan
untuk menunjukkan bahwa setiap model
kecepatan dalam batas-batas yang
diizinkan. Ini tidak benar. Sebagian besar
model kecepatan yang satu bisa menarik
antara batas akan menghasilkan (p)
kurva yang melebihi batas (p). Batas-
batas yang ditampilkan menunjukkan
minimum dan kedalaman maksimal yang
diizinkan untuk kecepatan tertentu; profil
kecepatan yang menghasilkan
kedalaman maksimum atau minimum
pada kecepatan yang tidak akan pernah
berbohong sepanjang z (v) batas.
 Pendekatan extremal inversi ini
menarik karena dapat menghasilkan
batas ketat pada profil kecepatan.
Namun, dalam prakteknya batas ini
sering terbukti menjadi begitu luas untuk
menunjukkan bahwa resolusi hanya
sangat mentah di v (z) adalah mungkin
(secara alami, ini telah berkecil
penggunaannya!). Godaan ada untuk
menggunakan metode lain yang,
bagaimanapun naif, muncul untuk
memberikan resolusi yang lebih baik.
Sebagian dari masalah yang dibahas di
atas; sederhana maksimum dan
kedalaman minimum batas tidak selalu
memberitahu kita tentang struktur halus
dari v (z) kurva bahwa kita mungkin akan
tertarik. Pendekatan pemrograman linear
dapat kembali lebih dari batas tersebut,
tetapi sulit untuk merencanakan suite
dari yang diizinkan v (z) model dalam
cara yang dimengerti. Kesulitan lain
dengan inversi extremal adalah bahwa T
(X) "outlier '' adalah poin yang benar-
benar membatasi model. Sebagian besar
data mungkin tampil cukup konsisten,
tetapi beberapa poin terpencil
memastikan bahwa (p) batas dan z (v)
batas akan menjadi luas. Itu selalu
menggoda untuk membuang poin ini,
tapi mana proses ini berakhir? Sebuah
pendekatan yang kurang sub-jective
melibatkan asumsi beberapa model
untuk kesalahan dalam T dan
(misalnya, Gaussian) dan kemudian
memecahkan untuk v (z) Model terbaik
pas yang mencakup batas kepercayaan
statistik (misalnya, Dorman dan
Jacobson, 1981) . Namun, tetap diffi-
kultus untuk memvisualisasikan diizinkan
v (z) model yang terletak dalam batas-
batas keyakinan dihitung.
Sebuah alternatif untuk extremal
pendekatan terikat untuk menangani non-
keunikan dalam masalah inversi disediakan
oleh regularisasi, yang melibatkan
menemukan model tunggal antara infinity
model diizinkan yang memaksimalkan
beberapa properti dari
 116

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 ''.