As técnicas de tomografia, utilizadas inicialmente em imageamento médico e testes não-destrutivos, mostraram-se adequadas às aplicações geofísicas (tanto em geofísica da Terra sólida como em geofísica de exploração). As técnicas de tomografia podem ser classificadas em duas classes: tomografia de tempo de trânsito, que leva em consideração apenas o tempo de percurso entre as fontes e os receptores e a tomografia de onda que utiliza a forma da onda. Devido à falta de informação para obter os parâmetros do modelo, mesmo no caso da geometria de aquisição de dados poço a poço, a inversão tomográfica é em geral mal-condicionada, necessitando de métodos de regularização para que soluções adequadas sejam obtidas. A qualidade da regularização, utilizada para o tratamento de problemas mal-condicionados, depende da escolha de um parâmetro ou fator de regularização adequado.

A regularização que usamos no LAGEP, que trabalha usando matrizes de derivadas, é comumente conhecida como regularização Tikhonov. Porém, a escolha de um parâmetro de regularização lambda adequado é um problema. Uma abordagem pincipal para a seleção do parâmetro lambda é a utilização da chamada curva L, que é uma curva paramétrica relacionando o erro da inversão à quantidade de regularização. Teoricamente, o joelho da curva L fornece a melhor escolha para lambda. Porém, às vezes a curva L não tem a forma de um “L”. Os pesquisadores do LAGEP propuseram uma extensão do método da curva L para fazê-lo mais efetivo. Eles chamaram a extensão de curva Theta. Na abordagem sugerida pelos pesquisadores do LAGEP, um fator de regularização normalizado inicia com o seu valor máximo e é amortecido ao longo dos refinamentos sucessivos do modelo. Para validar o método de regularização adotado, foram utilizados dados reais do campo de testes do MIT na bacia de Michigan, onde o modelo é parcialmente conhecido através de perfis sônicos de velocidade e de levantamentos VSP. Os dados reais do MIT permitem analisar as dificuldades de um processo real de aquisição tais como ruído, erro de picking, geometria de aquisição limitada, etc. Deste modo, objetivas-se validar a aplicação de regularização sob condições adversas de aquisição, o que corresponde mais fielmente às aplicações reais. Maiores detalhes podem ser vistos em Santos et al. (2006).