GNGTS 2018 - 37° Convegno Nazionale

GNGTS 2018 S essione 3.3 753 dei corpi sono indicative di reali complessità nella distribuzione di densità rispetto al modello adottato, e forniscono quindi ulteriori interessanti informazioni. Il modello di distribuzione di densità ottenuto mostra un’ottima congruenza con le principali informazioni geologiche disponibili. Infatti, lo spessore delle tre formazioni riconosciute tramite i dati di pozzo viene mantenuto in prossimità degli stessi. Inoltre, la posizione del limite del corpo più denso, associato al basamento carbonatico, permette di discriminare le porzioni in cui vige un regime estensionale (SE nel modello, corrispondente alla porzione Nord-Orientale del Banco di Graham) da quelle sotto un regime compressivo (la porzione centrale del modello, nonché quella coincidente con l’area del Monte Magaggiaro). Bibliografia Barreca G., Bruno V., Cocorullo C., Cultrera F., Ferranti L., Guglielmino F., Guzzetta L., Mattia M., Monaco C. and Pepe F.; 2014: Geodetic and geological evidence of active tectonics in south-western Sicily (Italy). J. Geodyn. 82, 138–149. Ben Avraham Z., Boccaletti M., Cello G., Grasso M., Lentini F., Torelli L. and Tortorici L.; 1990: Principali domini strutturali originatisi dalla collisione neogenico-quaternaria nel Mediterraneo Centrale. Mem. soc. Geol. Ital., 45, 453-462. Camacho A, Montesinos F.G. and Vieira R.; 2000: Gravity inversion by means of growing bodies. Geophysics, 65 (1) 95–101. Carrozzo M.T., Luzio D., Margiotta C. and Quarta T.; 1991: Carta Gravimetrica d’Italia, scala 1:500.000 C.N.R. - P.F.G. 1991. Catalano R., Franchino A., Merlini S. and Sulli A.; 2000: Central western Sicily structural setting interpreted from seismic reflection profiles. Mem. Soc. Geol.It. 55, pp. 5–16. Catalano R., Merlini S. and Sulli A.; 2002: The structure of western Sicily, central Mediterranean. Pet. Geosci. 8, 7–18. Dewey J.F., Helman M.L., Knott S.D., Turco E. and Hutton D.H.W.; 1989: Kinematics of the western Mediterranean. Geological society, London, special Publications, 45(1), 265-283. Farquharson C.G., Ash M.R. and Miller H.G.; 2008: Geologically constrained gravity inversion for the Voisey’s Bay ovoid deposit: The Leading Edge, 27,64–69, doi: 10.1190/1.2831681. Finetti I.R. and Del Ben A.; 2005: Crustal tectono-stratigraphic setting of the Pelagian foreland from new CROP seismic data. CROP PROJECT. Deep seismic Exploration of the central Mediterranean and Italy, 581-595. Lane R., FitzGerald D., Guillen A., Seikel R. and Mclnerey P.; 2007: Lithologically constrained inversion of magnetic and gravity data sets: Preview, 129,11–17 Li Y. and Oldenburg D.W.; 1996: 3-D inversion of magnetic data: Geophysics, 61, 394–408. Li Y. and Oldenburg D.W.; 1998: 3 D inversion of gravity data. Geophysics 63, 1, 109-119. Phillips J.D. and Simpson R.W.; 2015: Sharpening the boundaries - 3D terracing applied to physical property inversions: 85th Annual International Meeting, SEG, Expanded Abstracts, 1536–1540. Sun J. and Li Y.; 2015: Multidomain petrophysically constrained inversion and geology differentiation using guided fuzzy c-means clustering. Geophysics, 80 (4), 1-18. INTERPOLATION OF SEISMIC DATA THROUGH CONVOLUTIONAL NEURAL NETWORKS S. Mandelli, V. Lipari, P. Bestagini, S. Tubaro Dipartimento di Elettronica Informazione e Bioingegneria, Politecnico di Milano, Italy Introduction. Seismic data processing methods are essential to discover, localize and characterize economically worthwhile geological reservoirs such as hydrocarbons accumulations, and to manage the extraction of the resources stored in them. The quality of the acquired data, in term of regularity and density of its sampling, is crucial to achieve a reliable interpretation of the subsoil. However, economic limitations, cable feathering, environmental