It is important that new strategies are developed for the management of geoelectrical data produced from engineering and geoscience processing techniques. For this reason, the article demonstrates how pyGIMLi can be used for this purpose. pyGIMLi is an open-source library for the inversion of apparent resistivity array that are often obtained with different geoelectrical survey equipment. The aim is to be able to use this library unaided for various projects and/or to perform various data operations in which the results obtained are more specific and differentiated than those derived from other processing techniques, taking advantage of the fact that this tool is open-source.
La inversión geofísica es un proceso matemático utilizado para inferir características del subsuelo a partir de modelos que representan sus propiedades físicas, según datos medidos o parámetros físicos. Uno de los retos de la inversión geofísica es generar modelos que se ajusten a los datos obtenidos. Para resolverlo, se han desarrollado diversas metodologías, como el esquema de Gauss-Newton. Estas metodologías requieren la selección óptima del parámetro de regularización, pero no proporcionan una función o clase predefinida para dicha selección. En consecuencia, este estudio propone un novedoso algoritmo de optimización, basado en el principio de discrepancia, para estimar el parámetro de regularización utilizando un conjunto de datos sintéticos y reales de tomografía de resistividad eléctrica. De acuerdo con los resultados, se obtuvieron valores ideales de tolerancia para cada conjunto de datos, y se demostró la eficacia y las ventajas computacionales del algoritmo propuesto. Además, el algoritmo mostró una mejor definición de las estructuras de interés que otros algoritmos reportados en la literatura científica.