Ссылки Буга МО Алгоритм учета ондуляций

Источник: http://geo.web.ru/maltsev/gst/gsthtm/gst4.htm

Главный ряд геостатистических моделей, реализованных в 1999 г. и введенных в опытную эксплуатацию, основан на синтетическом алгоритме R-U-MG кригинга (совмещение ординарного кригинга, кригинга с моделью локального тренда, мультигауссовского кригинга и кригинга с адаптивной компенсацией) решает задачу получения некоторым оптимальным образом интегральной оценки полезных компонент в элементарном блоке пространства. Вместе с тем такая оценка применима не во всех задачах разведки. Так, для задач обоснования ТЭО-кондиций важнее оказываются условно-вероятностные методы кригинга, а для задач проектирования отработки часто оказываются полезны сохраняющие контрастность методы, основанные на имитационном моделировании. Итак, второй существенный класс алгоритмов - условно-вероятностные, дающие на блок не количественную оценку, а оценку вероятности того, что интегральное значение в блоке превосходит некоторое пороговое (бортовое, минимально промышленное, и др.), как правило - гистограмму для набора пороговых значений плюс сглаживающую ее функцию. Основной инструментарий данного класса алгоритмов - разнообразные версии индикаторного кригинга. Третий класс алгоритмов - имитационно-моделирующие. Данные алгоритмы, как и алгоритмы главного ряда, строят количественную оценку в блоках, но не на основе непосредственной оптимизации по наблюдениям, а через получение одной или нескольких реализаций случайного процесса, задаваемого моделью изменчивости, полученной по наблюденным значениям и проходящего через наблюденные значения. Подобный подход позволяет получить ряд равноправных "версий" решения, во-первых, позволяющих визуально оценить разбросы, а во-вторых, не снижающих контрастность данных, что весьма существенно для решения задач оптимизации отработки. Основными задачами была макетная реализация синтетического индикаторного блока алгоритмов, достаточная для начала ее содержательного тестирования и сужения на его основе класса алгоритмов, вводимого в основную разработку, а также опытная реализация блока имитационного моделирования, достаточная для экспериментального анализа его свойств. 3.1. Индикаторные методы кригинга. Предложено более десяти методов индикаторного кригинга, но реальные свойства его оценок описаны весьма слабо, поэтому попытка реализации была сделана только для части их, и довольно много внимания уделялось тестированию. А) Реализован "обычный" индикаторный кригинг в линейном и мультигауссовском вариантах. Классическая схема с индивидуальным моделированием индикаторной вариограммы по набору срезов данных оказалась не вполне практически применимой. Вариограммы по разным срезам в некоторых случаях показывают для разных срезов принципиально разную структуру изменчивости. В итоге - получаемые на блоки оценки функции распределения компонента могут не быть унимодальны, что делает хорошую увязку между исходными срезами, позволяющую переход к новым срезам, проблематичной. Собственно, это подтвердило наблюдения, сделанные по западным пакетам о проблематичности адекватного применения индикаторного кригинга в классическом варианте. Б) Для преодоления данной проблемы было реализовано два альтернативных подхода. Первый - подход с медианным ИК, при котором моделируется единственная индикаторная вариограмма по медианному срезу данных и обобщается на все срезы (подход предложен Дейчем и Жорнелем и до сих пор известна единственная его реализация в пакете GSLIB, не имеющем интерфейсных возможностей, позволяющих удобные сопоставления). Второй - подход с синхронным моделированием индикаторной вариограммы по разным срезам. Суть подхода в том, что структуры изменчивости, обнаруженные на разных срезах, задаются для всех срезов, а модель анизотропии рассматривается как четырехмерная, с уровнем среза в качестве четвертой координаты. Теоретически такой подход должен быть лишен основных недостатков, присущих как классическому ИК, так и медианному ИК, являясь их "обоснованным синтезом", но окончательное решение можно будет принять только по итогам широкого тестирования, которое начато. В) Нечеткие методы ИК. Оперируя не с количественными, а с логическими данными, класс методов ИК является одним из немногих классов методов геологического моделирования, позволяющих обработку нечеткой информации. Нечеткость может быть определена либо в виде априорных и условных вероятностей (бэйесовский подход), либо в виде значений многозначных логик. За рубежом существует один проработанный, но не имеющий удобной реализации, подход к нечетким методам ИК - предложенный Дейчем марков-бэйесовский. Алгоритм устойчивый и интересный, но имеет один существенный недостаток: в разведочной практике исходные данные в виде априорных и условных вероятностей практически не встречаются, а задача перехода к ним от, к примеру, полуколичественной аналитики, неоднозначна. По-видимому, область применения данного подхода чуть ли не только россыпное золото с шлиховым опробованием, выборочно заверяемым пробирным плюс редко применяемое ИК-основанное геометрическое моделирование. Сделана попытка построения более употребительной альтернативы марков-бэйесовскому подходу, а именно - ИК-алгоритма, использующего бесконечнозначную логику Заде. Это теоретически позволяет обрабатывать полуколичественную аналитику и геологические параметры почти без ограничений. Однако реальные свойства полученного алгоритма неясны практически совершенно - материалов для проведения адекватного сравнения с альтернативными методами пока в распоряжении исполнителей просто нет. Алгоритмы реализованы в виде плаг-инов к пакету, и как только пройдут развернутое тестирование и усечение выводимых на пользователя подклассов алгоритмов, будут подключены к основной реализации пакета. В пакете реализованы средства совместного использования количественных оценок R-U-MG кригинга и вероятностных ИК-оценок, правда, не полностью, так как основное назначение ИК-оценок - обоснование ТЭО кондиций, к чему дело только подходит. 3.2. Ко-кригинг. Ко-кригинг, то есть получение количественных оценок пространственной переменной с использованием не только индивидуальной модели изменчивости, но и моделей перекрестной с другими признаками изменчивости. От "обычного" ко-кригинга принято решение отказаться - тестирование с использованием стэнфордского пакета GSLIB подтвердило недопустимо высокий скрин-эффект при значимой разнице распределений признаков. Реализуется стандартизованный ко-кригинг, то есть вариант с нормированием распределений вспомогательных признаков на распределение основного и моделированием изменчивости по нормированным признакам. Первичный алгоритм стандартизованного ко-кригинга (моделирование с учетом перекрестных пространственных зависимостей между признаками, приведенных к одному масштабу изменчивости), соответствующий описанию метода в литературе, запущен и опробован. К сожалению, работоспособность его также сильно под сомнением - на обоих опробованных массивах при количестве одновременно моделируемых признаков более двух устойчивость оценок неудовлетворительна. Просматривается некоторая возможность модернизации методологической части. 3.3. Имитационное моделирование. Класс возможных методов имитационного моделирования, основанных на кригинге, достаточно широк - алгоритмы с ленточной схемой, алгоритмы с последовательной гауссовской схемой, и так далее. При этом алгоритмы, не имеющие побочных эффектов, отсутствуют теоретически (общее свойство любого моделирования с использованием псевдослучайных последовательностей). Были изучены алгоритмы, реализованные в пакетах GSLIB и GEOSTATISTICAL TOOLBOX. Все они, исключая алгоритмы с последовательной гауссовской схемой, имеют общее свойство вносить артефактные структуры изменчивости, не обнаруживаемые никакой математикой, но хорошо различимые в 3-d моделях на глаз. Алгоритмов же с последовательной гауссовской схемой предложено несколько, все сравнительно узкого применения, то есть, ориентированы строго на один тип кригинга, многие даже с фиксацией единственной модели вариограммы. При этом существует возможность построения последовательного гауссовского ИМ-алгоритма, основанного на синтетическом R-U-MG кригинге. Собственно, соответствующие системы уравнений получены, возможные пути "поведения" алгоритма в неустойчивых точках - также. Способы реализации без обеспечения разумного быстродействия очевидны, с обеспечением разумного быстродействия - предположительно видны. Построена опытная реализация алгоритма последовательной гауссовской схемы для одноструктурной изменчивости, описанной сферической вариограммой, с заложенной возможностью расширения его в направлении, обрисованном в предыдущем абзаце. Пока не готов инструментарий для ее глубокого тестирования - во всех имитационных алгоритмах существенную роль в тестировании играет визуальная оценка наличия или отсутствия закономерностей типа полосатости в различных 2-d и 3-d проекциях 4-d имитационного процесса.

ДонНТУ > Портал магистров ДонНТУ

Вторая очередь моделирования изменчивости и блочного моделирования