Компьютерная технология статистической многоальтернативной комплексной интерпретации для решения прогнозно-поисковых задач рудной геофизики

Калинин, Дмитрий Федорович

Бесплатный автореферат и диссертация по наукам о земле на тему
Компьютерная технология статистической многоальтернативной комплексной интерпретации для решения прогнозно-поисковых задач рудной геофизики
ВАК РФ 25.00.35, Геоинформатика

Автореферат диссертации по теме "Компьютерная технология статистической многоальтернативной комплексной интерпретации для решения прогнозно-поисковых задач рудной геофизики"

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ГЕОЛОГОРАЗВЕДОЧНЫЙ УНИВЕРСИТЕТ

(МГГРУ)

На правах рукописи

Калинин Дмитрий Федорович

КОМПЬЮТЕРНАЯ ТЕХНОЛОГИЯ СТАТИСТИЧЕСКОЙ МНОГОАЛЬТЕРНАТИВНОЙ КОМПЛЕКСНОЙ ИНТЕРПРЕТАЦИИ ДЛЯ РЕШЕНИЯ ПРОГНОЗНО-ПОИСКОВЫХ ЗАДАЧ РУДНОЙ ГЕОФИЗИКИ

Специальность 25.00 35 - геоинформатика

Автореферат диссертации на соискание ученой степени доктора технических наук

Москва 2005

)

Работа выполнена в Федеральном государственном унитарном научно-производственном предприятии «Геологоразведка» (ФГУНПП «Геологоразведка)

Научный консультант:

доктор физико-математических наук

Т.Б.Калинина

Официальные оппоненты:

доктор физико-математических наук, профессор

А. В. Петров

доктор технических наук, профессор

С.А.Серкеров

доктор технических наук, профессор

А.В.Веселовский

Ведущее предприятие:

Всероссийский научно-исследовательский институт геологических, геофизических и геохимических систем (ВНИИГеосистем)

Защита диссертации состоится 13 октября 2005 г. в 15 часов на заседании Диссертационного совета Д.212.121.07 при Московском государственном геологоразведочном университете (МГГРУ) по адресу: 4-17486, Москва, ул.Миклухо-Маклая, д.23, ауд.638. Н?2$7-

С диссертацией можно ознакомиться в библиотеке МГГРУ.

Автореферат разослан » 4 3_2005 г.

Ученый секретарь

Диссертационного совета, д.т н.

Г.Н. Боганик

/зт

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Геологический прогноз полезных ископаемых осуществлялся задолго до появления формализованных методик и компьютерных технологий. В основном использовался метод аналогий, который является ведущим и теперь. Для реализации этого метода накапливались геологические данные, которые использовались для создания моделей эталонных поисковых объектов, вырабатывались критерии принятия решений, оптимизировались способы геологического прогноза По мере развития геофизических и геохимических методов разведки происходило накопление новой, в основном количественной информации, и в связи с этим предлагались способы совместной комплексной интерпретации вновь измеряемых количественных и качественных геологических признаков При этом задачи становились все сложнее, так как возникала необходимость прогноза глубинных и менее контрастных по свойствам объектов. Прогноз отдельных рудных тел заменялся прогнозом более сложных и крупных объектов - рудных полей. Исходная информация становилась все разнообразнее и объемнее.

Основной прорыв при решении прогнозно-поисковых задач с использованием многофаюорной комплексно обрабатываемой информации был обусловлен внедрением и развитием ЭВМ. Началась новая эпоха в прикладной геологии, связанная с созданием и использованием машинных технологий геологического прогноза месторождений полезных ископаемых.

За прошедшие 40-45 лет сменились этапы развития программных средств и машинных технологий геолого-геофизического прогнозирования, разработанных для ЭВМ разных поколений. Успешному развитию и использованию математических методов в геофизике и геологии способствовали работы: А.С.Алексеева, В.ЯАрсенина, В.М. Бондаренко, Г.С.Вахромеева, В.Н.Глазнева, Г.Я.Голиздры, Ф.М.Гольцмана, В.М.Гордина, ААГрозновой, АЮДавыденко, М.С.Жданова, Ю.И.Журавлева, АБ.Каждана, Т Б.Калининой, Г.И.Каратаева, А.И Кобрунова, Р М.Константинова, М.М.Лаврентьева, АА.Никитина, В.П.Пашко, Д.А.Родионова, И.Д.Савинского, В.И.Старостенко, В.Н.Страхова, А.Г.Тархова, А.Н.Тихонова, ГАТрошкова, ЛАХалфина, В.И.Шрайбмана и многих других ученых. Создание программно-математического обеспечения для геолого-геофизической интерпретации базировалось на трудах В.И.Аронова, В.И.Гольдшмидта, АС.Долгаля, А.И.Иванова, М.К.Овсова, В.В.Марченко, В.В.Ломтадзе, ААСапункова, Б АЧумаченко, В.А.Яковлева и других исследователей

Примерно с середины 80-х годов прошлого века начинается качественно новый период создания «человеко-машинных» компьютерных технологий комплексной интерпретации геоданных, связанный в первую очередь с появлением и достаточно быстрым распространением персональных компьютеров. В.Н.Страхов характеризует его, как период становления и развития «парадигмы зрелой компьютерной эпохи» Все возрастающие вычислительные возможности современных компьютеров позволяют разрабатывать технологии интерпретации геофизических и других цифровых полей, измеренных или рассчитанных в пределах больших площадей с произвольной сетью наблюдений. Количество наблюденных значений признаков уже может достигать десятков-сотен тысяч, а иногда и миллионов. Появляются весьма продвинутые компьютерные технологии и системы комплексной интерпретации геоданных.

Одной из первых отечественных продуктов, реализованных на персональных компьютерах, была гибридная система «ГЕОТЕХНОЛОГИЯ», предназначенная для оценки технологической целесообразности и экономической эффективности разработки рудных месторождений (В.В.Марченко, БАЧумаченко). Создаются и

развиваются системы многомерного огар^и^щ^^^^д базирующиеся на

БИБЛИОТЕКА ( СПетерОкрг /ТУ' О»

ПИОТЕКА (

представлении геофизических аномалий в виде реализаций некоторых случайных величин (Ф М.Гольцман, Т Б Калинина, А.А Никитин и др) Возрастающий интерес проявляется к системам комплексного анализа геолого-геофизической информации на разных уровнях ее обобщения (В В Ломтадзе), технологиям построения структурных поверхностей по комплексу геолого-геофизических данных с помощью нелинейных дисперсионных статистических моделей (Г И Каратаев) Разрабатываются многочисленные технологии автоматизированного подбора и их использование при двух- и трехмерной интерпретации геофизических данных, обеспечивающее построение комплексных моделей с учетом дополнительной информации о параметрах изучаемой геологической среды и оценки их достоверности (Е.Г.Булах, Г.АТрошков, А В Цирульский, А И.Кобрунов и др.). Среди отечественных разработок последнего десятилетия можно также выделить технологии многомерной интерпретации «ГЕММА» и «ПАНГЕЯ», главная цель которых состоит в построении моделей нефтегазовых месторождений на основе оптимальной интеграции всех имеющихся данных бурения, сейсморазведки, гравимагниторазведки, электроразведки, дистанционных методов с геологическими представлениями Не менее важно отметить ГИС «INTEGRO», использующую методы интегрированного системного анализа для выделения и локализации перспективных объектов, количественной интерпретации разноуровневой информации, построения многофакторных физико-геологических моделей Входят в практику компьютерные технологии комплексного геолого-математического моделирования с преобразованием цифровых моделей объекта в модели формальных параметров на основе структурных отношений данных (А Б Каждан, М.К Овсов и др.).

Анализ развития отечественных и зарубежных программных продуктов, используемых для прогнозирования геолого-геофизических объектов и базирующихся на внушительном числе разнообразных методик и алгоритмов, свидетельствует о неисчерпаемом практическом интересе По мнению автора, все программные продукты можно условно разделить на две категории' компьютерные системы и компьютерные технологии Компьютерные системы автоматизированного решения задач прогноза обычно хорошо оснащены разнообразными формальными расчетными процедурами и предлагают пользователю комбинировать соответствующие графы обработки по собственному усмотрению Компьютерные технологии, как правило, более унифицированы и предполагают уже готовые «сквозные цепочки» действий с минимальным вмешательством пользователя в конструирование графов обработки данных На практике часто оказывается так, что для решения узкой прикладной задачи исследователь вынужден использовать сложные, порой громоздкие ГИС, затрачивая на их освоение неоправданно большое время В то же время использование менее емких, но при этом не менее эффективных компьютерных технологий с заранее предписанными автоматизированными способами решений, интерактивно контролируемых пользователем, сильно облетает и ускоряет получение конечных результатов

В настоящее время вследствие интенсивного развития теории информации, статистической теории и современной вычислительной техники определилось новое научное направление- информационно-статистические теория и методы решения задач комплексной интерпретации наблюдений Предлагаемая диссертационная работа напрямую связана с созданием в рамках этого направления компьютерной технологии, базирующейся на типовых приемах постановки и алгоритмизации прогнозно-поисковых задач, а также способах прогнозирования качества результатов статистической комплексной интерпретации геоданных Одна из глав работы посвящена перспективному направлению, связанному с созданием и использованием стохастических эталонных физико-геологических моделей в задачах многоальТерАати'в'йЬг'о прйгноза искомых геологических объектов на основе

< ч *

4 „. ,

сочетания детерминированного и вероятностно-статистического подходов Актуальность работы подкрепляется исследованием эффективности решений, разработкой ряда методических рекомендаций, а также широким спектром примеров производственного опробования технологии при прогнозе рудоконтролирующих объектов Преемственность исследований частично прослеживается в кандидатской диссертации автора, связанной с развитием статистических методов выделения локальных неоднородностей среды по комплексу сейсмических данных.

Цель диссертационной работы. Целью исследований явилось решение крупной прикладной проблемы, связанной с созданием на базе информационно-статистического подхода методологии, теоретического обоснования, алгоритмов и программного обеспечения для автоматизированной комплексной интерпретации геолого-геофизических данных с экспертно-числовым контролем качества решения прогнозно-поисковых задач Результаты исследований направлены на дальнейшее повышение эффективности комплексирования геофизических методов в геологии.

Задачи исследований. Ниже определены основные задачи исследований, осуществленных в рамках данной работы:

- разработка основных этапов методологии многоальтернативной статистической комплексной интерпретации геолого-геофизических данных;

- разработка методики выбора объектов исследования, а также информативного комплекса количественных и качественных признаков, характеризующих искомые объекты;

- разработка алгоритмов построения оптимальных статистических решающих правил для произвольных количественных и качественных признаков (геолого-геофизических данных);

- разработка методики численной оценки эффективности решающих правил для отдельных признаков и для всего комплекса данных в целом;

- исследование влияния представительности и изменчивости реальных эталонных выборок, используемых при построении решающих правил;

- использование алгоритма раскорреляции статистически зависимых количественных признаков с целью правомерного принятия решений;

- исследование воздействия механизма раскорреляции на конечные результаты комплексной интерпретации,

- разработка и сопоставление двух различных статистических алгоритмов комплексирования геоданных для некоррелированных и коррелированных признаков;

- разработка компьютерного приложения МиИАК, реализующего технологию статистической многоальтернативной комплексной интерпретации геоданных и соответствующего электронного гипертекстового справочного Руководства пользователя;

- создание практических рекомендаций по использованию технологии МиПАК при решении типовых прогнозных и картировочных задач;

- адаптация компьютерной технологии МиКАН для построения двух- и трехмерных обобщенных моделей искомых объектов по комплексу физико-геологических разрезов;

- практическое использование методологии многоальтернативной статистической комплексной интерпретации в рамках системы прогнозных и глубинных исследований при поиске рудоносных структур различного типа в Карело-Кольском, Норильском регионе, Магаданской области и на северо-западе России

Научная новизна. Научная новизна работы может быть сформулирована в виде следующих пун1стов:

- разработан способ оптимальной дискретизации шкал количественных признаков, допускающий полимодальные распределения значений «натурных» или расчетных эталонных выборок при построении решающих правил, используемых в задачах прогноза и картирования геологических объектов;

- предложен новый алгоритм эвристического задания шкал дискретных состояний качественных (нечисловых) признаков и суждений об изучаемых альтернативных объектах в форме экспертных баллов, дающий возможность комплексирования мнений независимых экспертов;

- доказана эффективность многомерного индексирования (конструирования) искомых целевых альтернатив при построении решающих правил в виде эвристических комбинаций диапазонов значений, выделяемых по гистограммам количественных признаков;

- создана методика численной оценки эффективности решающих правил, дающая возможность существенной экономии вычислительных ресурсов за счет рационального формирования анализируемых комплексов геоданных;

- обоснована возможность учета априорной многозначности искомых геологических объектов при отсутствии «натурных» эталонных выборок на основе использования стохастических физико-геологических моделей

Практическая значимость. Практическая ценность диссертационной работы определяется ее направленностью на решение важных прикладных задач, связанных в первую очередь с поиском и разведкой месторождений полезных ископаемых Разработанный для использования в операционной системе Windows программный продукт MultAlt характеризуется высокой технологичностью, прошел широкую практическую апробацию при решении целого ряда задач в ФГУНПП «Геологоразведка» (ранее в ФГУП «ВИРГ-Рудгеофизика»), в том числе - при выполнении плановых и хоздоговорных работ. Программный продукт передан на опытно-методическое опробование нескольким научно-производственным организациям - ФГУГП «Челябинскгеолсъемка», ГФУГП «Иркутскгеология, ФГУГП «Читагеолсъемка» и ГФУП «Бурятгеоцентр». В частности, положительный Акт апробации и внедрения ПМО MultAlt получен от ГФУП «Бурятгеоцентр», проводившего прогнозные и картировочные работы по материалам комплексной аэрогеофизической съемки 2000-2001 гг масштаба 1:50 000 в Восточном Саяне на Урдо-Окинской площади (лист N-47-XXVIII) в рамках создания комплекта Государственной геологической карты ГГК-200 нового поколения

Технология успешно применялась при подготовке второго издания Государственной геологической карты (листы Р-35,36,37 «Петрозаводск»), при геофизическом обеспечении программы "Золото Карелии" и решении ряда специализированных прогнозно-поисковых задач на территории Юго-Восточной части Балтийского щита, Магаданской области, Алтайского края, полуострова Таймыр На многих апробируемых территориях при поисках алмазов, золоторудных объектов, объектов с комплексным оруденением, нефтяных объектов с высокими вероятностями выделены участки, перспективные на проведение дальнейших поисковых работ

Компьютерная технология статистической многоальтернативной комплексной интерпретации может найти широкое практическое применение не только в геологической отрасли, но и в других областях деятельности, связанных с автоматизированным экспертно-числовым статистическим принятием решений, например, при сельскохозяйственном, экологическом, социологическом мониторинге и прогнозе и др

Апробация и публикации. Основные положения и результаты работы докладывались на Всесоюзной научной конференции «Методика поисков

стратиграфических и литологических залежей нефти и газа» (Баку, 1983); на Всесоюзной школе «Применение количественных методов в геологии» (Иркутск, 1985); на 1-й и 2-й Всероссийских конференциях «Геофизика и математика» (Москва, 1999, Пермь, 2001); на Международной научной школе-семинаре «Вопросы теории и практики комплексной геологической интерпретации гравитационных, магнитных и электрических полей» (Ухта, 2000, Апатиты, 2002); на Международной геофизической конференции «300 лет горно-геологической службе России» (Санкт-Петербург, 2000), на Научно-методическом совете по геолого-пеофизическим технологиям поисков и разведки твердых полезных ископаемых МПР России» (Санкт-Петербург, 2000, 2004), на Школе-семинаре при ВИРГ-Рудгеофизика по обучению использования компьютерных технологий при создании ГФО для Госгеолкарт-1000 и -200 (Санкт-Петербург, 2001), на Международных семинарах «Вопросы теории и практики геологической интерпретации гравитационных, магнитных и электрических полей» им А Г Успенского (Киев, 2001; Москва, 2003; Пермь, 2005); на Международной научно-практической конференции «Проблемы внедрения современных технологий моделирования геологической среды в практику исследования и освоения недр России» (Санкт-Петербург, 2004); на Научно-практической конференции «Эффективность прогнозирования и поисков месторождений алмазов: прошлое, настоящее и будущее (Алмазы-50)» (Санкт-Петербург, 2004); на VII Международной конференции «Новые идеи в науках о Земле» (Москва, 2005).

Результаты исследований автора по теме диссертации опубликованы в 34 печатных работах и содержатся также в ряде научно-исследовательских отчетов. Электронное гипертекстовое Руководство по использованию ПМО «MultAIt» размещено на сайте в Интернете: http://www.virg.ru/muttalt2001.htm .

Защищаемые положения. На защиту выносятся следующие основные положения.

1) Разработанные на базе информационно-статистической теории методология и компьютерная технология MultAIt реализуют универсальные алгоритмы прогноза и картирования альтернативных геологических объектов по данным произвольных комплексов количественных и качественных (дискретных) геолого-геофизических признаков и обеспечивают контролируемое повышение эффективности результатов комплексирования по мере накопления информации

2) Предложенные вероятностные критерии эффективности решающих правил дают возможность численно оценить надежность и информативность признаков для каждой конфетной задачи прогноза или картирования, позволяя априорно (до начала трудоемкой интерпретации) выбирать наиболее рациональные комплексы геоданных.

3) Стохастические физико-геологические модели (ФГМ) с параметрами, флуктуирующими в пределах заданных доверительных интервалов, обеспечивают при отсутствии «натурных» эталонных выборок эффективный учет априорной многозначности прогнозируемых объектов, что позволяет более обоснованно строить решающие правила

4) Бесконтрольное увеличение числа прогнозных альтернатив в условиях фиксированной информативности исходных экспериментальных данных ведет лишь к возрастанию числа ошибок прогноза, в то время как взвешенное априорное задание целевых прогнозных альтернатив и нецелевой альтернативы, характеризующей вмещающую среду, позволяет эффективно решать прогнозно-поисковые задачи в различных постановках.

рангов, метод аналогий и оценку достоверности решений с обязательным учетом масштабов съемок и априорной геологической информации об искомых объектах.

Методы исследований и личный вклад автора. В процессе проведения исследований, а также при изложении полученных результатов в работе автор опирался на известные элементы и положения математической статистики, вычислительной математики, программирования на ЭВМ, методологии интерпретации геофизических полей, геологии рудоконтролирующих структур, петрофизики.

Автор принимал активное участие в постановке проблемы, разработке методологии, теоретического обоснования и алгоритмов решения прогнозных и картировочных задач на базе информационно-статистической теории интерпретации геолого-геофизических данных. Лично автором разработаны и внедрены компьютерная технология многоальтернативной комплексной интерпретации MultAlt (для операционных систем семейства Microsoft Windows), соответствующее электронное гипертекстовое Руководство пользователя, а также компьютерная технология интерактивного стохастического моделирования Interact (для операционных систем MS-DOS). При непосредственном участии автора выполнены многочисленные исследования и сформулированы методические рекомендации по использованию разработанных компьютерных технологий при выполнении работ по плановым и договорным темам, выполненным во ФГУП «ВИРГ-Рудгеофизика» в различные годы.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав и заключения. Она содержит 346 страниц, включая 125 рисунков и 31 таблицу. Список использованных источников включает 251 наименование.

Автор глубоко признателен и благодарен своим непосредственным учителям -профессору Санкт-Петербургского государственного университета д.ф.-м н Ф.М.Гольцману и вед н.с ФГУНПП «Геологоразведка» д.ф.- м н Т Б Калининой, без неоценимой помощи которых подготовка данной работы была бы невозможна.

Автор искренне благодарен своим коллегам по ФГУНПП «Геологоразведка» (ранее ФГУП «ВИРГ-Рудгеофизика») д.г.-м.н. j ал. нахаоцеву | и вед н с ЛА.Богданову за плодотворные обсуждения результатов работ и за предоставленную возможность использования практических материалов Постоянное внимание и поддержку при подготовке работы автор чувствовал со стороны д.г.-м.н В.П Кальварской, д.ф.-м.н Н.А.Караева, кг.-м.н ЮА.Семина, ст.нс. В.ПКаулио, кг.-м.н. В.К.Поликарпова, к.г-м.н. MБ.Штокаленко. Автор выражает признательность к.ф.-м.н. О.И.Погаревой, к.т.н ТЕ.Мерсадыковой и вед.инж. НАУспенской за предоставленные вспомогательные программные средства и рекомендации по их использованию Техническую помощь по оформлению материалов диссертации оказывали сотрудники ФГУНПП «Геологоразведка» В.Н Птицын, Н.Б Карасева, Т.И.Степанова, которым автор также признателен.

Большое значение для автора имело участие в работе научных конференций, школ-семинаров и общение на этих форумах с известными учеными-геофизиками страны, академиком РАН В.Н.Страховым, д.ф-м.н. ААНикитиным, дф-м.н В.В.Ломтадзе, д.ф.-м н В Н.Глазневым, д.ф.-м.н. В М.Гординым, д.ф -м.н. Ю.И.Блохом, д.ф.-м.н А.И.Кобруновым, дг-мн. В.М Новоселицким, д.ф.-м н А С.Долгалем, к.т н. М.К.Овсовым, а также многими другими коллегами Всем им автор выражает искреннюю благодарность за поддержку, полезное обсуждение результатов работы и конструктивную критику.

СОДЕРЖАНИЕ РАБОТЫ

Глава 1. Теоретическое обоснование статистической многоальтернативной комплексной интерпретации

В первой главе работы теоретически обосновываются и защищаются основные этапы методологии многоальтернативной статистической комплексной интерпретации геолого-геофизических данных Подчеркивается, что суждения об искомом альтернативном объекте в условиях априорной нечеткости представлений о его свойствах неизбежно сопровождаются ошибками Нехватка количества и качества исходной информации об объектах исследования в большой степени может быть компенсирована применением оптимальных алгоритмов обработки данных. При этом необходимо как можно полнее использовать интуицию и практический опыт исследователей (независимых экспертов)

1.1 Целесообразность использования информационно-статистических методов при решении геолого-геофизических задач по комплексу данных

(признаков)

В разделе сформулированы основные особенности, отличающие технологию многоальтернативной статистической комплексной интерпретации от большинства стандартных алгоритмов, в том числе:

• использование произвольного числа искомых альтернативных объектов и признаков (факторов), характеризующих эти объекты;

• отсутствие требований нормальности распределений значений количественных признаков, использование полимодальных распределений;

• оптимальная автоматизированная дискретизация шкал количественных признаков,

• раскорреляция статистически зависимых количественных признаков;

• использование качественных (нечисловых) признаков с переходом к дискретным шкалам состояний признаков;

• использование оптимальных статистических критериев принятия решений об искомых альтернативных объектах с минимизацией числа ошибочных решений и отказом от решений в сомнительных случаях;

• преобразование количественных и качественных дискретных признаков в безразмерные апостериорные вероятности и их взвешенное комплексирование по единой схеме, резко упрощающей и ускоряющей вычисления;

• учет влияния вмещающей среды, рассматриваемой в качестве фоновой альтернативы;

• автоматизированное построение эталонных выборок на основе эвристического анализа гистограмм количественных признаков («гистограммной» классификации);

• конструирование искомых альтернатив в виде комбинаций эталонных выборок различных количественных признаков, построенных на основе «гистограммной» классификации;

• прогнозирование эффективности решений как для отдельных признаков, так и для всего комплекса данных до проведения интерпретации;

• учет априорных вероятностей появления искомых геологических альтернатив (статистических весов), задаваемых эвристически;

• комплексирование мнений независимых экспертов о вероятностях реализации искомых альтернатив;

• возможность прикомплексирования новых данных на любой стадии интерпретации

1.2 Исходные данные, используемые в методологии многоальтернативной статистической комплексной интерпретации

В разделе обсуждается методика выбора объектов исследования (альтернатив) на этапе постановки задачи, а также информативного комплекса количественных и качественных признаков, играющего основополагающую роль в методологии многоальтернативной статистической комплексной интерпретации. Наряду с искомыми альтернативными объектами определяется понятие решений об альтернативах, поскольку в информационно-статистической теории искомые альтернативные объекты и суждения о них, получаемые в результате интерпретации, не отождествляются. При постановке задачи искомые объекты обычно рассматриваются как действительные и неслучайные. В результате статистической комплексной интерпретации в качестве решений получаются уточненные с той или иной вероятностью оценки альтернативных объектов, являющиеся функциями случайных наблюдений Таким образом, решения об альтернативных объектах всегда носят вероятностный характер и, как правило, отличаются от фактических искомых объектов.

Искомые альтернативные объекты (альтернативы) назначаются

интерпретатором и нумеруются числами к = 1.....N Для конфетной задачи система

«целевых» искомых конкурирующих альтернатив неизменна в процессе всей интерпретации. Как правило, для корректного решения необходимо задать дополнительную («нецелевую») альтернативу, поскольку искомый объект не находится в вакууме. Таким образом, фактически назначаемое число альтернатив не может быть менее двух, а при постановке задачи указывается не только «что искать», но и «среди чего искать». В общем случае максимальное число искомых альтернатив не ограничивается. Соответственно, решения об искомых альтернативных объектах обозначаются символом «Л», что указывает на их случайность.

Под признаками подразумеваются любые наборы данных, характеризующие искомые альтернативные объекты. Совокупность признаков (комплекс) образует многомерные выборки или наборы векторов параметров (свойств), соотнесенные с теми или иными объектами исследования Число используемых признаков в общем случае не ограничено.

Признаки могут быть количественными (числовыми) и качественными (нечисловыми). Количественный признак измеряется по непрерывной (континуальной) шкале, которая в процессе обработки разбивается на ряд дискретных интервалов с номерами т1 = 1, ,М„ , где д = 1, ..,в - номер признака. Качественный признак уже изначально характеризуется набором дискретных, упорядоченных состояний тг, назначаемых в рамках поставленной задачи Попадание значения признака в тот или иной интервал шкалы означает реализацию соответствующего дискретного состояния. Значения для разных признаков комплекса должны быть заданы в одних и тех же точках наблюдений При отсутствии данных, значения количественных или качественных признаков задаются специальным кодом (как правило, очень большим числом, заведомо превышающим реальные диапазоны значений).

Методология многоальтернативной комплексной интерпретации основывается на статистических алгоритмах распознавания образов с обучением Под «образами» подразумеваются искомые многоальтернативные объекты, максимально совпадающие по комплексу признаков с назначенными эталонными объектами В результате обучения для каждого признака, отбираемого в комплекс, строится решающее правило, концентрирующее в виде вероятностей информацию об эталонных объектах Признаки должны в максимальной степени соответствовать физической сущности искомых альтернатив

Эталонные выборки значений признаков. Для эффективного распознавания необходимо обеспечить достаточную представительность и максимальную однородность эталонных выборок. В общем случае распределение вероятностей значений признака в пределах выборки может быть произвольным (полимодальным). В зависимости от поставленной задачи выборки значений каждого из признаков определяются либо в пределах эталонных площадей, имеющих единую координатную привязку, либо задаются в виде классов -произвольных совокупностей значений признака, относящихся к соответствующим альтернативам. Одна из выборок должна быть фоновой («нецелевой»). В большинстве случаев, в качестве эталонов фоновой альтернативы можно использовать фрагменты интерпретируемых планшетов для каждого из признаков. Эталонная выборка, характеризующая искомую альтернативу, может быть получена путем объединения значений нескольких отдельных выборок в единый числовой массив Подготовка эталонных выборок - исключительно ответственная процедура, влияющая на весь дальнейший процесс интерпретации. «Целевые» эталоны могут располагаться как в пределах интерпретируемой площади, так и вне ее, при этом эталон для фоновой альтернативы должен быть обязательно расположен в пределах апробируемой территории. Правильно выбрать эталон, соответствующий «целевому» объекту прогноза, можно только по результатам совместного анализа априорной геологической и геофизической информации.

Параметры статистических распределений значений признаков При отсутствии эталонных выборок описываемая методология предусматривает эвристическое задание параметров типовых статистических распределений, моделирующих применительно к текущему признаку плотности вероятностей, характерные для искомых объектов Такой прием допустимо использовать при наличии хотя бы приблизительных представлений о средних и дисперсиях, обычно наблюдающихся в реальных условиях Тип закона распределения (чаще всего - нормальный или равномерный) выбирается интерпретатором Методология допускает комбинированное задание данных для обучения, когда одни искомые альтернативы характеризуются фактическими эталонными выборками, а другие - моделируются плотностями распределения вероятностей для соответствующих признаков.

В случае качественных признаков рассматриваемая методология использует таблицы экспертных баллов. Интуитивное задание вероятностей состояний качественного признака отражает в численной форме представления опытного специалиста (эксперта) о возможности проявления данного состояния признака для того или иного искомого альтернативного объекта Эксперт задает число N искомых альтернатив, одинаковое для всех признаков, а также назначает возможные дискретные состояния Мг качественного признака с номером д. Далее эксперту необходимо заполнить таблицу баллов, столбцы которой соответствуют альтернативам у=1 ,...,Л/ , а строки - состояниям т1 (см табл 1) Баллы характеризуют

Состояния Альтернативы V

признака тг А В С

1 70 20 10

2 20 30 15

3 7 0 20

4 3 50 55

возможность появления дискретного состояния тг признака д для той или иной

альтернативы V Максимальные баллы для разных V -ых столбцов таблицы могут быть различными Важно лишь наиболее достоверно отразить относительные изменения баллов для разных состояний признаков. В результате перенормировки исходная таблица баллов пересчитывается в таблицу значений правдоподобий, используемых при построении решающего правила для данного качественного признака.

Методология многоальтернативной статистической комплексной интерпретации предусматривает обработку практически любых количественных и качественных признаков. Для количественных признаков предлагается два варианта представления интерпретируемых данных: планшетный и табличный.

В планшетном варианте каждый количественный признак обычно представляет собой серию значений, упорядоченных в точках (узлах) одной и той же регулярной координатной сети наблюдений. Координатная сеть может располагаться как в горизонтальной, так и в вертикальной плоскости Число узлов сети зависит от масштаба проводимых исследований, который в свою очередь связан с предполагаемыми размерами искомых альтернативных объектов В процессе текущей комплексной интерпретации должен быть задействован один и тот же планшет для всех используемых признаков. В каждой точке планшета значения различных признаков образуют вектор с размерностью, равной числу признаков.

В табличном варианте интерпретируемый количественный признак представляет собой набор значений, в общем случае не имеющих регулярной координатной привязки (нерегулярная сеть) Вектор значений признаков также задается в одних и тех же точках сети. Данные представляются в виде таблиц (списков), каждая строка которых содержит значения координат (номер) и текущее значение признака в данной точке Число строк таблицы равно суммарному числу точек наблюдений.

Для качественных признаков интерпретируемые данные представляются аналогичным образом с тем отличием, что планшеты (таблицы) содержат не значения, а цифровые индексы дискретных состояний признаков для соответствующих точек наблюдений При подготовке планшетов качественных признаков рассматриваемая в диссертации методология предполагает двухэтапную процедуру.

а) для конкретного признака на интерпретируемом планшете выделяются зоны произвольной конфигурации, в которых, по мнению эксперта, преобладают дискретные состояния признака, характерные для той или иной искомой альтернативы В пределах каждой зоны состояние признака фиксировано

б) выделенные зоны автоматически засеваются кодами (индексами) в соответствии с назначенной цветовой шкалой-легендой Коды характеризуют те или иные дискретные состояния признака Точки планшета признака вне пределов выделенных областей засеваются кодом отсутствия данных

Выделим одну важную особенность предлагаемой методологии комплексной интерпретации Размерность вектора значений признаков должна быть одна и та же для всех апробируемых точек наблюдения, но сами фактические значения

признаков в ряде точек могут отсутствовать. Тем не менее, даже если в той или иной точке некоторые компоненты вектора принимают значения кода отсутствия данных, точка продолжает участвовать в процессе принятия решений. Результат многоальтернативной комплексной интерпретации в таких точках будет иметь хотя и пониженную, но, несомненно, взвешенную численную оценку эффективности в виде апостериорных вероятностей принимаемых решений

1.3 Статистические алгоритмы построения оптимизированных многоальтернативных решающих правил

В любых методах распознавания с обучением решающие правила являются инструментом принятия решений о соответствии «образов» искомых объектов эталонам с известными значениями признаков в точках наблюдений. Для каждого количественного признака построение решающего правила начинается с задания эталонных выборок или эталонных параметров статистических распределений, используемых для построения гистограмм Гистограммы строятся для всех альтернативных объектов и представляют собой плотности распределений вероятностей При полностью перекрывающихся гистограммах соответствующие альтернативные объекты неразличимы по данному признаку. Альтернативные объекты, гистограммы которых полностью перекрываются по всем признакам, следует объединить в один объект.

Для количественных признаков предлагается автоматизированная процедура оптимальной дискретизации шкалы решений, которая заключается в следующем Числовая ось равномерно разбивается на заданное число первичных дискретных интервалов (разрядов) с учетом представительности эталонных выборок Соответствующие гистограммы рассчитываются, а затем последовательно выстраиваются вдоль числовой оси для каждой из конкурирующих альтернатив Диапазон числовой оси определяется путем сопоставления минимальных и максимальных значений в выборках Решения об альтернативах принимаются согласно критерию максимального правдоподобия в каждом дискретном интервале Они помечаются индексами '0', 'а', Ь', 'с', V, , причем индекс '0' соответствует отказу от решений в случае, если значение любой из плотностей вероятностей для текущего дискретного интервала не превышает установленного порога Смежные одноименные решения последовательно объединяются в обобщенные интервалы 'А', 'В', 'С' 'О', Таким образом, в каждом обобщенном интервале доминирует гистограмма той или иной альтернативы Площади, ограниченные огибающими кривыми для гистограмм в упомянутых интервалах суть правдоподобия, те. вероятности Р(,т!/у) попадания значения признака д в интервал тг при условии

реализации той или иной альтернативы у.

Правдоподобия проставляются в клетках вероятностной таблицы, столбцы которой (А, В, С, О...) соответствуют искомым альтернативам, а строки -дискретным состояниям (обобщенным интервалам значений) признака. В каждой строке (см табл 2) указываются также границы обобщенных интервалов. При попадании апробируемого значения признака в тот или иной обобщенный интервал в качестве решения принимается индекс альтернативы, с максимальным правдоподобием в данной строке. Индексы решений также вносятся в таблицу в виде последнего столбца. Угловые скобки указывают, что решения представляют собой оценки и могут отличаться от действительных искомых объектов. Значения правдоподобий пересчитываются в значения апостериорных вероятностей Р(\1тг) появления альтернатив V при условии, что апробируемое значение признака д попало в соответствующий обобщенный интервал т1 Тем самым для данного количественного признака определяется решающее правило.

Обобщенные интервалы значений поизнака Искомые альтернативы Решения об альтернативах

А В С

(17.00; 234.50} 0 0.855 0.448 <В>

{234.50 ; 282.83} 0.024 0.082 0.116 <с>

{282.83; 294.92} 0.01 0.023 0.017 <в>

{294.92 ; 391.58} 0.103 0.026 0.184 <С>

{391.58.597.00} 0.789 0.015 0.235 <А>

{597.00; 609.08} 0 0 0 <0>

...

В случае использования качественного признака интерпретатор изначально задает обобщенную шкалу дискретных состояний и заполняет таблицу экспертных баллов (см. табл.1). Заданные баллы автоматически пересчитываются в значения правдоподобий и апостериорных вероятностей. Отличие состоит лишь в том, что вместо диапазонов значений в таблицах решающего правила указываются порядковые номера дискретных состояний качественного признака.

Решающее правило является своеобразным информационным фильтром и характеризуется определенной эффективностью решений при использовании того или иного признака Предлагаются следующие характеристики априорной оценки эффективности решающих правил, построенных для отдельных признаков:

• средняя по альтернативам вероятность правильных решений (надежность)

I'M

True = - при v = vg , (1)

• средняя по альтернативам вероятность ошибочных решений (ненадежность)

N N . .

False = "" n- при v*vg , (2)

• средняя по альтернативам вероятность отказа от решений

ref - 1 - (True + False) , (З)

где Значок «штрих» означает суммирование только тех

вероятностей p{mt/v), для которых значения mt соответствуют одинаковым решениям üg.

Информационная содержательность (информативность) Inf решающего правила вычисляется через разность энтропий Шеннона И и Н". Энтропии являются мерами априорного (до применения решающего правила) и апостериорного (после применения) распределения вероятностей случайных состояний у Тем самым определяется относительный прирост знаний об искомых альтернативных объектах в результате использования данного признака

Перечисленные меры эффективности являются основными критериями при отборе комплексируемых признаков и определяют качество получаемых результатов Следует подчеркнуть, что понятие «информативность» признака не существует вне связи с выбором искомых альтернативных объектов и способами их определения. Все меры эффективности реализуются в среднем, т е при многократном использовании решающих правил Это означает, что при обработке

массивов данных в ряде точек возможно получение ошибочных решений, причем номера точек с ложными результатами остаются неизвестными. Поскольку использование комплекса признаков увеличивает число правильных решений, представленных, например, компактными областями, отдельные точки с ложными результатами в пределах этих компактных областей практически не влияют на общую картину Чем больше признаков участвует в комплексе, тем выше значения комплексных апостериорных вероятностей, характеризующих (в отличие от введенных усредненных мер априорной оценки эффективности) качество решений в конкретных апробируемых точках Если в результате расчетов выясняется, что информативность решающего правила близка к 0, соответствующий признак полагается информационно бессодержательным и его включение в комплекс нецелесообразно.

При априорном оценивании эффективности по комплексу из G решающих правил (признаков) количество возможных комбинаций состояний mt с номерами

? = !,.. ,R равно

»-1

где g = 1.....G; ms - i, , Mg; Mt - количество состояний g-го признака. Если признаки

статистически независимы, то обобщенная функция правдоподобия P(f/v) определяется формулой

P(f/v) = P(m,,A2,...,mG/v) = flP(mJv) , (5)

где г- любая из возможных реализаций (комбинаций состояний) комплекса признаков. Значения обобщенной функции правдоподобия P(?/v) для всех возможных альтернатив v и реализаций r = T, ,R образуют таблицу 3, легко рассчитываемую по формуле (5). Последний столбец таблицы 3, согласно правилу максимума правдоподобия, содержит решения v., соответствующие максимальным значениям P(7/v) в каждой строке и образующие стратегию принятия решений по

комплексу признаков g=1.....G. Эта стратегия строится с использованием

решающих правил для всех возможных реализаций г комплексируемых признаков и дает возможность априори (до акта распознавания) численно оценить эффективность будущих результатов комппексирования. Так как значения ?= 1, ,R можно рассматривать как номера состояний некоторого нового «обобщенного» признака, то меры эффективности True, False, ref для отдельных признаков остаются справедливыми и для комплекса.

Практически, определение комплексной эффективности решающих правил сводится к преобразованию таблиц правдоподобий для косвенных признаков в таблицы условных вероятностей P(vs/v) для прямых признаков при замене тг на г Полученные таблицы используются для расчета True, False, ref по формулам (13).

В качестве меры комплексной информативности введем

/„/ = = ± . (6) Н' Н'

Эта величина характеризует относительный прирост информации об определяемых альтернативных объектах v в среднем для всех возможных состояний ? обобщенного признака Информационная содержательность I в формуле (6) при использовании априорной Н' и апостериорной Н" энтропий Шеннона для обобщенного (комплексного) признака с состояниями ?определяется по формуле

(Г)

где 1(г,у) = -Р(г)[Р(у)\пР(у)-Р(у1г)\пР(у1г)] - информационные вклады разных состояний ? = \, ,к при определении альтернатив у=1.....N.

Таблица 3

Состояния г

«обобщенного» Альтернативы к = 1,2, ,к! Решения иг

признака

Т Р(?М = Р(ти

Я V,

В данном разделе исследуется также влияние представительности и изменчивости эталонных выборок, используемых при построении решающих правил. Показано, что оптимальные статистические алгоритмы способствуют получению достаточно стабильных и эффективных решающих правил даже в условиях сильного сокращения объемов выборок.

1.4 Раскорреляция статистически зависимых количественных признаков В рассматриваемой методологии реализованы алгоритмы, допускающие использование как коррелированных, так и статистически независимых исходных данных. Предложено использовать способ статистической раскорреляции (В С.Пугачев). Этот способ сводится к замене первичных коррелированных случайных значений признаков вторичными, попарно некоррелированными значениями Значения вторичных (модифицированных) признаков являются линейными функциями первичных значений и вычисляются по рекуррентным формулам со специально подобранными коэффициентами, входящими в линейные функции и обеспечивающими попарно нулевую корреляцию между вторичными признаками. При этом размерность первичных и вторичных признаков совпадает. Указанные преобразования осуществляются без потери информации. При сокращении размерности корреляционной матрицы за счет исключения признаков с малыми значениями коэффициентов время расчетных преобразований резко уменьшается Раскоррелированные признаки совместно с другими, статистически слабо связанными признаками образуют новый рабочий комплекс. Для такого комплекса правомерны все процедуры обработки, предусмотренные для многоальтернативной статистической комплексной интерпретации. Подчеркнем, что попытка использовать статистически сильно зависимые признаки «напрямую» (минуя процедуру раскорреляции), может привести к заведомо ложным решениям об искомых альтернативных объектах Результаты соответствующих исследований приведены в главах 2 и 3.

1 5 Статистические алгоритмы комплексирования данных, используемые при интерпретации искомых многоальтернативных объектов Совместная (комплексная) обработка разнородных количественных и качественных признаков проводится с целью увеличения количества полезной информации об искомых объектах В рассматриваемой методологии предусмотрено оптимальное комплексирование, которое сводится к пересчету правдоподобий для

отдельных признаков в совместные вероятности правдоподобий для комплекса Одним из центральных отличий описываемых алгоритмов комплексирования от существующих методик является переход от значений количественных признаков или дискретных состояний для качественных признаков к безразмерным базовым файлам апостериорных вероятностей Преимущество такого подхода заключается в том, что различия физических размерностей, дискретность или непрерывность исходных данных уже не имеют значения. Первичный базовый файл строится для каждого из признаков, отбираемых в комплекс, и представляет собой прямоугольную таблицу, строки которой соответствуют точкам наблюдений, а столбцы - значениям апостериорных вероятностей для альтернатив.

Процедура расчета первичного базового файла представляет собой фильтрацию значений апробируемого признака через предварительно построенное решающее правило Для каждой точки наблюдений очередное апробируемое значение д-го признака анализируется с точки зрения попадания в тот или иной обобщенный интервал «8 соответствующего решающего правила. Тем самым, становятся известными значения апостериорных вероятностей Р^у/т^ для

альтернатив у=1,...,Л/ Эти значения подвергаются перенормировке и затем преобразуются в целые числа путем умножения на 100 и последующего округления (для сокращения объемов файлов).

Методология обеспечивает возможность смешанного комплексирования количественных и качественных признаков в произвольном порядке Число признаков не ограничивается. Предлагается два оптимальных алгоритма комплексирования. Согласно алгоритму №1 первичные базовые файлы, построенные последовательно для отдельных признаков через решающие правила, преобразуются в обобщенный (комплексный) базовый файл Потеря полезной информации при этом минимальна Структура обобщенного базового файла, во-первых, не зависит от числа признаков, а во-вторых - допускает привлечение новых данных в комплекс без необходимости повторных преобразований уже задействованных признаков, что существенно экономит время обработки. Оптимальное комплексирование состоит в определении совместных апостериорных вероятностей альтернативных объектов для комплекса из в признаков во множестве апробируемых точек. Решение об альтернативе у принимается по максимуму совместной апостериорной вероятности для конкурирующих альтернатив в данной точке. Эти же вероятности характеризуют эффективность комплексирования Совместные (комплексные) апостериорные вероятности для альтернативы у в текущей апробируемой точке рассчитываются по формуле Бейеса

где N - число искомых альтернатив, тж - обобщенный интервал (состояние) д-го признака, Р(у) - априорная вероятность альтернативы к

Алгоритм №2 предлагает способ построения обобщенного базового файла, применяемый одновременно ко всему комплексу количественных признаков Алгоритм основан на оценке статистических свойств используемых эталонных выборок, характеризующих искомые альтернативные объекты в многомерном пространстве наблюдений Совместная плотность нормального распределения вероятности альтернативы V в текущей апробируемой точке рассчитывается в многомерном пространстве признаков по формуле

(8)

рЛх„хг,..,ха)= f --ехр

V(2w)/2(det(v) AY2

1-1

где /-1,2, ,G; j= 1,2,...,G - текущие номера количественных признаков, А - матрица ковариаций признаков, х,, xJ - значения признаков в апробируемой точке, х'", J/"' -

средние значения признаков для альтернативы v, (л,00)"1 - коэффициенты обратной

матрицы ковариаций. Обобщенный базовый файл состоит из апостериорных вероятностей осуществления альтернатив v при условии, что были измерены значения х,,. ,ха. Эти вероятности рассчитываются по формуле

Р(у!х„ ,Хс)= рк--**) . (10)

V-1

где N - число искомых альтернатив Недостаток способа состоит в необходимости аппроксимации фактических распределений значений признаков нормальными распределениями, что, как правило, приводит к более грубым результатам интерпретации Преимуществом является использование произвольных количественных признаков без необходимости их предварительной раскорреляции

Вне зависимости от выбранного алгоритма комплексирование двух первичных или обобщенных базовых файлов приводит к образованию обобщенного базового файла следующего уровня Рассматриваемая методология позволяет учитывать априорную (не связанную с ходом текущего эксперимента) информацию о различной частоте возможного появления альтернативных объектов А,В,С... в виде задаваемых экспертных баллов (весов) Априорные баллы рассматриваются как характеристики дополнительного, независимого признака, отражающего результаты предшествующего опыта и включающегося в общий комплекс только один раз

На любом этапе работ результаты многоальтернативной статистической комплексной интерпретации подготавливаются на основе автоматизированного анализа обобщенных базовых файлов. В зависимости от формата апробируемых данных промежуточные и итоговые результаты представляются соответственно в виде карт (регулярная сеть) или электронных таблиц (нерегулярная сеть). Предусмотрено несколько модификаций результирующих материалов:

• построение и запись карт или таблиц максимально правдоподобных решений (МПР) об искомых альтернативах и соответствующих апостериорных вероятностей этих решений Максимально правдоподобное решение соответствует номеру (индексу) альтернативы с максимальным значением совместной апостериорной вероятности в данной точке;

• построение и запись карт или таблиц решений об искомых альтернативных объектах при условии, что вероятности этих решений превышают пороговый уровень, заданный интерпретатором;

■ построение и запись карт или таблиц вероятностей решений для отдельных искомых альтернатив.

Глава 2. Компьютерная технология MultAlt многоальтернативной комплексной интерпретации геоданных

Глава посвящена описанию функционального интерфейса технологии статистической многоальтернативной комплексной интерпретации MultAlt, реализованной в виде одноименного компьютерного приложения, работающего под управлением 32-разрядных операционных систем семейства Microsoft Windows.

2.1 Общие сведения о технологии МиПАН Аббревиатура "МиКАИ" является производной двух английских терминов, ("тиШ" - «много», "аНетайуе" - «альтернатива») и связана в первую очередь с производственным решением задач металлогенического прогноза и картирования многоальтернативных рудоносных объектов различного ранга Технология МиНАП является составной частью «Методических рекомендаций по геофизическому обеспечению экспрессного прогноза рудных объектов при геологическом картировании и поисково-оценочных работах». Внедрение рекомендаций в практику работ обеспечивает ускорение процесса прогнозирования месторождений полезных ископаемых с одновременным повышением информативности и достоверности комплексных прогнозных и глубинных исследований.

В процессе разработки компьютерного приложения МиКАК параллельно создавалось электронное гипертекстовое справочное Руководство пользователя, содержащее подробное описание функциональных возможностей и типовых графов обработки с примерами решения задач геолого-геофизической направленности

2.2 Блок-схема технологии МиПАН

Рис.1 Блок-схема компьютерной технологии МиКАИ

Ниже приведены основные типы задач, решаемых с использованием технологии МиКАП при геофизическом обеспечении прогнозных и глубинных исследований:

- многоальтернативный геофизический прогноз перспективных территорий по комплексу количественных и качественных признаков;

- многоальтернативное картирование геологических объектов (особенностей территорий) по комплексу количественных признаков;

- классификация (разбраковка) особенностей наблюденных полей с использованием гистограмм в рамках отдельных геофизических методов;

- комплексирование геофизических разрезов с целью построения геологического разреза модели среды

Блок-схема технологии МиПАК состоит из 12-ти блоков (см рис 1) В зависимости от типа задачи реализуются несколько стандартных графов обработки Следует подчеркнуть, что на схеме приведена логическая структура технологии, отличная от программного интерфейса. Комплексная интерпретация включает два основных этапа обработки обучение и распознавание

2.3 Варианты задания искомых альтернатив для построения решающих правил

Эвристическое задание классов-альтернатив по гистограмме количественного признака (блок 1). Появление мод на гистограмме свидетельствует о существовании во всем множестве значений типовых подмножеств - классов, состоящих из близких друг к другу значений признака На числовой оси признака каждый класс характеризуется положением центра и эффективной шириной разброса значений вокруг центра Отождествление класса с тем или иным искомым альтернативным объектом производится эвристически, на основании знаний, опыта и интуиции В МиИАК выбор классов осуществляется посредством специального графического редактора В пределах классов используются либо фактические, либо нормализованные плотности распределений значений признака.

Значения классифицируемого поля используются для построения единой гистограммы, характеризующей относительную частоту попадания в тот или иной интервал. Гистограмма представлена набором локальных экстремумов (мод). Вблизи них группируются значения поля, относимые к выделяемому классу. Очевидно, что значения поля, встречающиеся чаще, образуют более интенсивные локальные экстремумы. Однако при задании классов отдавать предпочтение таким экстремумам нельзя, поскольку слабо интенсивный локальный экстремум также может определять класс поля, представляющий интерес Поэтому при интерактивном задании классов на гистограмме следует выделять интервалы значений поля, образующих локальные экстремумы любой интенсивности Таким образом, каждому классу соответствует свой интервал значений поля, используемый при расчете решающих правил.

Комбинирование альтернатив путем объединения классов, выделяемых по гистограммам количественных признаков (блок 2). При наличии нескольких статистически независимых количественных признаков гистограммы каждого из них могут содержать информативные классы. Возникает необходимость отождествлять сочетания выделенных классов для разных признаков с искомыми альтернативными объектами, при этом разные признаки могут иметь разное число классов.

Блок 2 (рис.1) включает специальную интерактивную процедуру, в которой эксперт эвристически отождествляет классы, выделенные для каждого признака, с искомыми альтернативными объектами Отметим, что методика районирования площадей по комплексу геоданных, используемая в технологии МиПАК, существенно отличается от методик безэталонной классификации. Стандартные методики состоят в автоматизированном выделении классов в многомерном пространстве признаков при помощи дискриминантных функций и придании этим классам семантического смысла лишь после проведения далеко неоднозначной интерпретации, эффективность которой, как правило, не оценивается.

В МиКАК исследователь может реализовать свой опыт, знания и интуицию, интерактивно управляя процессом обработки Это достигается путем априорного формирования альтернатив в виде эвристических комбинаций классов, последовательно выделяемых на гистограммах количественных признаков и характерных для искомых объектов (см. рис 2).

Рис 2 Полная система из 12-ти альтернатив (А,В,С,...,А1,В1), формируемых путем эвристических комбинаций классов (комплекс из 2-х признаков)

Полное число альтернатив равно произведению чисел выделенных классов для каждого из признаков комплекса Как правило, искомыми являются не все, а лишь часть из максимального набора возможных альтернатив Остальные объединяются в «нецелевую», фоновую альтернативу, не представляющую практического интереса при интерпретации.

Задание альтернатив в виде эталонных выборок и/или параметров распределений значений количественных признаков (блоки 3 и 4). Отметим два принципиально разных подхода к использованию эталонов при решении прогнозных и картировочных задач.

• эталоны описываются совокупностями значений (числовыми выборками) в пределах площадных фрагментов, приуроченных к конкретным искомым объектам Площадные фрагменты могут быть заданы как внутри, так и вне апробируемого планшета,

• эталоны представляют собой табличные числовые выборки, не имеющие единой координатной привязки, или моделируются с использованием параметров статистических распределений Такие эталоны должны в максимальной степени характеризовать искомые альтернативные объекты, исходя из накопленного опыта.

Число эталонных фрагментов данных, образующих совокупную выборку для данной альтернативы, может быть различным для разных признаков. Число альтернатив (совокупных эталонных выборок) - строго постоянно в рамках текущей задачи. Перед формированием эталонных выборок статистически зависимые количественные признаки должны быть раскоррелированы (см раздел 1.4)

Задание альтернатов путем заполнения таблиц экспертных баллов для дискретных состояний качественных признаков (блок 5). Наиболее ответственной процедурой здесь является эвристическое задание дискретных состояний качественного признака, как можно более содержательно характеризующих искомые альтернативные объекты Эксперт не должен задавать слабо различимые состояния признака, но в то же время не может пропустить его характерные ключевые состояния, проявляющиеся наиболее заметно. Отметим, что технология МиИАН предполагает использование статистически несвязанных качественных признаков, когда суждения интерпретатора о состояниях данного признака не зависят от состояний других признаков, входящих в комплекс. Влияние субъективных факторов ослабевает по мере накопления информации

Комплексирование произвольного числа статистически независимых качественных признаков легко трансформируется в комплексирование мнений различных экспертов Значения экспертных баллов в таблицах, задаваемых независимыми экспертами для одного и того же качественного признака, могут сколь угодно различаться, причем заполняемые экспертные таблицы могут иметь различное число дискретных состояний признака (число и сущность искомых альтернатив, разумеется, должны совпадать). Возможность численной оценки эффективностей решающих правил, рассчитанных для каждой отдельно заданной таблицы экспертных баллов, позволяет объективно оценивать качество мнений независимых экспертов и отбирать из них наиболее содержательные.

2.4 Гпавное окно компьютерного приложения MultAlt ПМО MultAlt работает под управлением операционной системы Windows и реализует многооконный интерфейс Главное окно является управляющим контейнером по отношению ко всем другим одновременно открытым окнам, при этом активным всегда может быть только одно окно. Главное меню компьютерного приложения MultAlt представляет собой интегрированную оболочку с иерархической организацией, включающую серию вложенных меню. В свою очередь, меню состоят из набора опций, поддерживающих функционирование системы В разделе подробно описывается структура интегрированной оболочки Основными рабочими файлами системы являются-

• цифровые планшеты в текстовом или двоичном формате Surfer GRD (например, карта аномального магнитного поля);

• растровые планшеты в двоичных графических форматах (BMP, WMF, PCX, GIF, JPG, TIF), характеризующие качественные (нечисловые) признаки, задаваемые на планшете с фиксированной координатной привязкой (например, структурно-тектоническая карта, карта дочетвертичных образований, плотностной разрез и т д.);

• электронные таблицы в текстовом формате Surfer DAT, содержащие значения признаков в точках нерегулярной сети наблюдений (например, значения гравитационного поля вдоль криволинейного профиля наблюдений).

2.5 Процедура раскорреляции На этапе анализа и подготовки исходных данных необходимо численно оценить степень статистической зависимости количественных признаков, отбираемых в комплекс Для этого рассчитываются коэффициенты взаимной (парной) корреляции признаков, а затем при необходимости осуществляется их раскорреляция (см раздел 1.4) В данном разделе подробно описывается интерфейс и функционирование соответствующих диалоговых окон Приводится практический пример, демонстрирующий необходимость анализа и учета корреляционных связей между количественными признаками, обрабатываемыми посредством технологии MultAlt.

2 6 Качественный (экспертный) анализ геофизических признаков Одной из наиболее эффективных форм представления картографической информации, подчеркивающих особенности пространственной структуры поля, являются растровые изображения цифровых планшетов (матриц) данных. Их удобно использовать для районирования территории в интерактивном режиме Автоматизация процесса качественной интерпретации предполагает возможность совместного или последовательного просмотра на экране монитора комплекта карт исходных признаков, формирование по этим картам структурной схемы исследуемой площади, выявление экспертом на картах «вторичных» геологических признаков, характеризующих искомые альтернативы в виде пронумерованных наборов состояний (цветных контуров). Последующая векторизация карт завершает подготовку интерпретируемых планшетов качественных признаков Посредством 22

графического редактора, встроенного в МиИАК, эксперт может, например, оконтурить области повышенных и/или пониженных значений поля, слабо или сложно дифференцированные участки, проследить протяженные линейные и нелинейные (кольцевые, дугообразные) аномальные зоны, а также любые другие объекты, морфологически отличные от окружающего фона

2.7 Основные процедуры подготовки планшетов данных В разделе детально описаны процедуры открытия, отображения, масштабирования, координатной привязки, сохранения карт, оцифровки (цветовой векторизации) растровых планшетов, графического отображения выборок и гистограмм и др. Подробно освещается работа с растровыми объектами типа «Регион» и векторными объектами типа «Конфигурация» Данные объекты могут иметь разнообразные применения, но предназначены в первую очередь для задания выборок значений количественных признаков, а также для экспертного нанесения областей дискретных состояний качественных признаков поверх растровых планшетов.

2 8 Интерфейс для построения решающих правил с использованием эвристической классификации Рассматривается работа с диалоговыми окнами при построении решающих правил на основе эвристической «одномерной» и «многомерной» классификации, осуществляемой по гистограммам количественных геофизических признаков (полей) При построении решающих правил наряду с вариантом использования фактических значений, составляющих регистрируемые классы, МиИАК допускает вариант нормализации этих значений В первом варианте произвольные распределения в пределах числовых выборок позволяют получать более детальные решающие правила Второй вариант менее точен, но скорость расчетов резко возрастает Описываются интерфейсы интерактивного задания классов и комбинирования искомых альтернатив при «многомерной» классификации (подготовка «индексограмм»)

2.9 Интерфейс для построения решающих правил с использованием эталонных выборок или параметров статистических распределений Подробно описывается интерфейс для построения решающих правил с использованием эталонных выборок и/или параметров статистических распределений, моделирующих эталонные плотности вероятностей Данная процедура наиболее часто используется при прогнозе перспективных территорий, близких по комплексу признаков к эталонным аналогам, характеризующим искомые альтернативные объекты Допускается смешанный вариант задания эталонов

2.10 Интерфейс для построения решающих правил с использованием качественных признаков Описываются диалоговое окно установки параметров экспертной таблицы для текущего качественного признака и диалоговое окно задания экспертных баллов Приведен пример задания баллов для качественного признака «Наличие рифтовых зон» Особенностью интерфейса является возможность быстрого и многократного перезадания баллов в текущей экспертной таблице с автоматическим пересчетом решающего правила и численной оценкой его эффективности Это способствует более содержательному отождествлению состояний признака с искомыми альтернативными объектами.

2.11 Интерфейс для отображения и анализа решающих правил Отображение решающего правила осуществляется в компьютерной технологии МиКАИ в виде графиков гистограмм (плотностей вероятностей), построенных для эталонов искомых альтернатив в пределах рабочего диапазона шкалы значений

количественного признака Диалоговое окно решающего правила в задачах с использованием одномерной эвристической классификации, эталонных выборок, параметров статистических распределений приведено на рисунке 3

"SiffaL* • *1 '

U »r r

fr 11 J? fe-fe i e E 4 1

Рис 3 Диалоговое окно графического отображения решающего правила

Если по какой-то причине пользователь не согласен с автоматизированным принятием решения в том или ином разряде шкалы, он может изменить его вручную, интерактивно указав соответствующий альтернативный индекс из предлагаемого списка При этом следует помнить, что любое решение, принятое вне критерия максимального правдоподобия, теряет свою оптимальность. Решающее правило сохраняется в числовом (табличном) и графическом виде в файлах соответствующих форматов.

2.12 Интерфейс для статистического комплексирования данных Данный раздел содержит подробное описание интерфейса для статистического комплексирования геоданных, включая:

• априорную оценку эффективности решений по комплексу признаков,

• создание базовых файлов вероятностей для отдельных статистически не связанных признаков (алгоритм комплексирования №1);

• комплексирование базовых файлов;

• прикомплексирование очередного признака к существующему обобщенному базовому файлу;

• создание обобщенного базового файла для комплекса статистически связанных признаков (алгоритм комплексирования №2);

• отображение результатов комплексной интерпретации с учетом априорных весов искомых альтернатив.

Априорная оценка эффективности комплексных решений производится путем преобразовании таблиц решающих правил, построенных для отдельных признаков, в таблицу решающего правила для нового, «обобщенного» признака Для каждого состояния обобщенного признака определяется комплексная апостериорная вероятность путем перемножения вероятностей, расположенных в соответствующих строках таблиц решающих правил для отдельных признаков Одновременно рассчитываются'комплексные меры эффективности (Inf, True, False), которые могут быть отображены в виде таблиц или графических диаграмм на любом этапе оценивания качества решений по комплексу Сопоставление результатов дает возможность выбраковывать из комплекса малоэффективные признаки, практически не проигрывая в качестве решений

I. и л 11 im pi IV11 i ирутцих с up I

г- yhÜb^Y1

■ • 'Ii

Рис.4 Диалоговое окно создания результирующих карт

Интерфейс комплексирования предполагает использование единой структуры первичных и обобщенных базовых файлов вероятностей, что дает возможность многоступенчатого применения алгоритма №1 по мере наращивания числа признаков. Важной практической особенностью интерфейса, реализующего алгоритм №2, является обработка в один этап и возможность воздействия на скорость расчетов посредством регулировки коэффициента буферизации потоков данных. Вне зависимости от типа алгоритма интерфейс предусматривает построение результирующих электронных карт или таблиц с возможным учетом априорных весов искомых альтернатив на основе автоматизированного анализа обобщенного базового файла (см. рис.4).

Глава 3. Практические рекомендации по использованию технологии MultAlt при решении прогнозно-поисковых и картировочных задач

В главе обсуждаются основные методологические рекомендации по использованию технологии MultAlt при решении типовых прогнозных и картировочных задач, составленные на основе анализа результатов исследований, проведенных автором в течение последних лет.

3.1 Исследование эффективности решений прогнозно-картировочных задач по комплексу геолого-геофизических наблюдений Эффективность любого решающего правила для количественного признака определяется числом искомых альтернатив и степенью перекрытия гистограмм плотностей вероятностей, рассчитываемых для эталонных выборок На различных примерах в разделе исследованы зависимости мер True и Inf от числа искомых альтернатив для различных перекрытий соответствующих гистограмм Показано, что при добавлении очередной искомой альтернативы ширина диапазона используемых значений признака увеличивается, что приводит к росту информационной содержательности (Inf} данного признака В то же время надежность {True) падает, так как рост информационной содержательности оказывается недостаточным для определения возросшего числа искомых альтернатив с прежней или большей

точностью. Предложенные меры эффективности позволяют определять максимальное число искомых альтернатив, при котором надежность результирующей карты еще удовлетворяет практическим требованиям.

Априорная оценка эффективности решающих правил дает возможность отобрать наиболее информативные признаки для решения поставленной задачи Подчеркнем, что информативность признаков жестко связана с искомыми альтернативными объектами и сущностью решаемой задачи Исследование эффективности количественно подтверждает бесполезность совместного использования сильно коррелированных признаков. Вводится определение рационального комплекса, обеспечивающего достаточно высокую эффективность при наименьшем числе признаков. Использование рационального комплекса сокращает возможную многозначность решений и существенно ускоряет обработку больших массивов данных при решении прогнозно-поисковых геофизических задач на обширных площадях.

В разделе рассматриваются, в частности, зависимости мер эффективности при решении картировочной задачи на одной из площадей Карело-Кольского региона методом безэталонной классификации «Структурный анализ», использующим комплекс количественных признаков (М.К Овсов). Выделяются несколько иерархических уровней, на каждом из которых выстраивается древовидная «ранговая» структура классов, применяемая впоследствии для содержательной интерпретации Каждый построенный класс (альтернатива) характеризуется средними значениями и дисперсиями для любого из признаков, составляющих комплекс (использовались гравитационное, магнитное поля и рельеф дневной поверхности) Меры эффективности классификации, осуществленной методом «Структурный анализ» вычислялись с использованием технологии МиИАК (см рис.5).

число альтернатив

ЧИСЛО ЖНрТЯрМЩ»

Рис 5 Эффективность картирования методом «Структурный анализ» в зависимости от числа классов (альтернатив)" 1- по магнитное полю, 2- по гравитационному полю, 3- по рельефу, 4 - по комплексу полей (1+2), 5- по комплексу полей (1+2+3)

3.2 Исследование влияния взаимной корреляции комплекса признаков на результаты решений прогнозных и картировочных задач В данном разделе выполнен анализ и проведено сопоставление карт значений первичных (коррелированных) и вторичных (раскоррелированных) признаков, рассмотрено влияние учета корреляции признаков при решении прогнозных задач на одном из участков Карело-Кольского региона. Исследованы меры эффективности решающих правил для отдельных признаков и для комплекса в зависимости от степени их статистической связи. Предложен вариант пересчета параметров статистических распределений для вторичных признаков при условии, если искомые альтернативы заданы в виде эталонных диапазонов значений, территориально не привязанных к конкретным площадям.

Проведено исследование адекватности статистических алгоритмов комплексирования, указанных в разделе 1 5. Первичные и вторичные признаки использовались для исследования качества прогнозных карт в зависимости от выбранного алгоритма. В результате сопоставления и анализа прогнозных карт сделаны следующие выводы'

- если коэффициенты взаимной корреляции между признаками не превышают по модулю значение 0 4, то возможно применение обоих алгоритмов При использовании алгоритма №1 раскорреляцию необходимо проводить только для признаков с коэффициентами, превышающими пороговое значение |0 4| Игнорирование этого требования может привести к ошибочной интерпретации, несмотря на устойчивость статистических процедур;

- использование алгоритма №2 следует производить с осторожностью При большом числе признаков возможно получение абсурдных результатов, связанное с накоплением ошибок при обращении корреляционных матриц высоких порядков;

- использование алгоритма №2 с предварительно раскоррелированными признаками позволяет произвольно наращивать их число без риска получения абсурдных результатов Получение средневзвешенных (по альтернативам) оценок комплексной эффективности (True, False и др) в этом случае не представляется возможным.

3.3 Методические рекомендации для решения задач классификации и прогноза по комплексу геолого-геофизических данных На примерах обработки материалов Карело-Кольского региона в данном разделе обсуждаются практические способы:

- классификации геофизических полей с использованием гистограмм,

- районирования (картирования) перспективных площадей по комплексу геополей,

- многоальтернативного прогнозирования перспективных площадей по комплексу признаков.

Внимание фокусируется на двух основных вариантах классификации В первом из них классы выделяются визуально по локальным экстремумам гистограмм без привлечения какой-либо дополнительной информации. В другом варианте исследователь располагает априорными представпениями о классах, подлежащих выделению на изучаемой площади Приведенный в разделе пример сравнения карты исходного поля AT с картой максимально правдоподобных решений о выделенных классах свидетельствует, что выделение классов по локальным экстремумам гистограмм является вполне правомочной процедурой.

При многомерном картировании перспективных площадей возможны следующие варианты:

• альтернативы назначаются в виде всевозможных формальных сочетаний классов, при этом геологический смысл в альтернативы не вкладывается. Рассмотрен пример комплексного картирования альтернатив, составленных из возможных комбинаций классов, эвристически выделенных на гистограммах полей Дд и AT;

• альтернативы назначаются как комбинации полей, соответствующие априори известным геологическим объектам. Рассмотрен пример комплексной разбраковки, направленной на поиск «целевой» альтернативы, перспективной на апатит-магнетитовые и карбонатитовые месторождения и характеризующейся положительными аномалиями 4Т и Дд в сочетании с интенсивными геохимическими аномалиями содержания урана и и тория ТЬ.

При решении задач, связанных с многоальтернативным прогнозом перспективных площадей, результаты обучения на эталонах эффективны лишь в том случае, если многомерные распределения признаков, отвечающие эталонам и реальным объектам, достаточно близки между собой. При этом:

- ранг эталона должен быть выше ранга прогнозируемого объекта;

- пространственные границы эталона выбираются по геологической карте и уточняются по картам исходных геофизических полей;

- числовая выборка для эталона должна формироваться из матриц полей более крупного масштаба,

- мелкие эталоны одного геологического класса должны бьггь объединены для повышения представительности выборки.

3 4 Построение моделей объектов по комплексу геолого-геофизических данных Рассматривается вариант применения компьютерной технологии МиКАК для построения обобщенных моделей объектов по комплексу петрофизических параметров моделей среды. Входными данными при комплексировании разрезов в случае двухмерной задачи являются значения физических свойств, заданные в точках прямоугольной сети в плоскости разреза Результаты интерпретации рассчитываются во всех точках задания входных данных. Отображение результатов осуществляется в виде цветовых разрезов комплексных геолого-геофизических моделей объектов и разрезов вероятностей этих моделей

Методика построения моделей объемных геологических объектов по комплексу скважинных данных демонстрируется на примере построения объемной модели медно-никелевой интрузии и состоит в следующем

- выделяются «целевые» (модель) и «нецелевые» (вмещающая среда) участки вдоль линейных сегментов зондирования произвольной конфигурации (виртуальных скважин);

- в зондируемых точках виртуальных скважин определяются эталонные значения и строятся решающие правила для каждого признака, входящего в комплекс;

- апробируемые данные преобразуются в значения апостериорных вероятностей для каждого признака;

- апостериорные вероятности комплексируются вдоль вертикальных линий зондирования среды, результаты сохраняются в виде обобщенного базового файла;

- после ввода данных, определяющих положения и конфигурации линий зондирования и наклонных скважин, обобщенный базовый файл преобразуется в изображения проекций объемной модели на координатные плоскости или же послойных проекций срезов модели.

Глава 4. Технология использования эталонных ФГМ в задачах многоальтернативного прогноза рудоносных структур

Глава посвящена новому перспективному подходу, заключающемуся в стыковке алгоритмов информационно-вероятностного принятия решений с алгоритмами интерактивного стохастического моделирования эталонных выборок потенциальных полей, характеризующих физико-геологические модели (ФГМ) искомых объектов. Описываемая методика представляет собой попытку учесть

сложность и неоднозначность моделей с одновременной оценкой эффективности результатов многоальтернативного прогноза рудоносных структур.

4.1 Обоснование использования эталонных ФГМ при решении прогнозно-

поисковых задач в рамках технологии MultAtt

В большинстве случаев при многоальтернативном прогнозе используются эталонные выборки геофизических признаков (полей), значения которых сняты в узлах регулярной сети наблюдений и приурочены к известным фактическим проявлениям искомых рудоносных объектов на дневной поверхности На практике далеко не всегда представительность и стационарность выборок достаточна для адекватного описания эталонных объектов. Наиболее трудно учесть естественную априорную многозначность, когда один и тот же площадной эталон, регистрируемый на поверхности, может соответствовать различным, порой противоречивым представлениям об исходных моделях рудоконтролирующих структур. В результате правомочность прогноза может быть снижена, особенно в тех случаях, когда число информативных признаков комплекса невелико.

В силу сложности геологических объектов истинные параметры ФГМ, используемых при комплексной интерпретации никогда не могут быть известны точно. Варьируя координатные параметры и свойства «нулевых» приближений построенных ФГМ в пределах назначаемых доверительных интервалов, можно определить границы изменений полей для набора эквивалентных реализаций конкурирующих моделей. При этом каждая расчетная реализация поля соответствует определенной реализации модели в пределах некоторой «полосы» эквивалентности. Эталонные выборки, состоящие из набора расчетных реализаций поля для каждой стохастической ФГМ, автоматически обладают необходимой стационарностью и представительностью и могут быть использованы при построении гистограмм (решающих правил) для каждого из комплексируемых полей

4.2 Общие сведения о компьютерной технологии Interact интерактивного стохастического моделирования плотностных и магнитоактивных разрезов

Технология интерактивного стохастического моделирования плотностных и магнитоактивных разрезов была разработана в 90-х годах прошлого века (Ф М.Гольцман, Т Б.Калинина) При непосредственном участии автора диссертации одновременно было создано компьютерное приложение Interact для операционной системы DOS. Технология Interact предназначена для решения двумерных (X0Z) прямых и обратных задач гравио- и магниторазведки в интерактивном режиме с учетом априорной многозначности модели среды ФГМ среды аппроксимируется совокупностью бесконечно вытянутых воль оси OY горизонтальных призм с многоугольными вертикальными сечениями Полная система параметров, характеризующих ФГМ, состоит из векторов значений физических свойств (плотности, намагниченности) отдельных тел, а также из векторов координат X и Z угловых точек многоугольников, образующих вертикальные сечения тел. Часть параметров или все они могут оказаться априорно неизвестными.

В рамках решения прямой задачи Interact обеспечивает автоматизированный аналитический расчет произвольного числа реализаций потенциального поля (а также его производных) от ФГМ с заданными варьируемыми параметрами вдоль профиля, проходящего над вертикальным сечением модели Совокупность реализаций поля образует представительную эталонную выборку, характеризующую стохастическую модель вдоль расчетного профиля При наличии нескольких профилей, секущих модель, эталонные выборки объединяются в единый числовой массив. Число задаваемых эталонных ФГМ равно числу прогнозируемых геологических объектов (альтернатив) Напомним, что одной из искомых

альтернатив прогноза должна бьпгь вмещающая среда, характеризующаяся соответствующей эталонной выборкой.

Очевидное положительное отличие данного подхода от методики прогноза с использованием фактических выборок полей от эталонных объектов состоит в учете многозначности векторов параметров ФГМ Очень часто единственная реализация поля, снимаемая в пределах сравнительно небольшой эталонной площади, совершенно недостаточна, чтобы заменить собой всю совокупность возможных реализаций поля эталонной ФГМ, описывающей сложную геологическую структуру В то же время гистограмма поля, усредненного в каждой точке профиля по всем реализациям, рассчитанным в рамках стохастического моделирования плотностных и магнитоактивных разрезов, характеризует реальный геологический объект более адекватно.

4.3 Граф обработки данных для решения задач многоальтернативного прогноза объектов, подобных по комплексу признаков эталонным ФГМ В разделе обсуждается типовая блок-схема технологии многоапьтернативного прогноза рудоносных объектов с использованием комплекса стохастических эталонных ФГМ. В качестве «целевых» альтернатив выступают различные рудоконтролирующие структуры (зеленокаменные пояса, рифты, интрузии и т д), ранг которых зависит от масштабов проводимых прогнозных исследований. Возможна постановка прогнозной задачи «смешанного» типа, когда одна часть альтернатив характеризуется расчетными выборками значений признаков от эталонных ФГМ, а другая часть - характеризуется выборками экспериментальных значений этих же признаков, приуроченными к местам фактического обнаружения искомых объектов. На блок-схеме показаны блоки расчета реализаций признаков посредством технологии Interact. Расчеты осуществляются последовательно для каждого признака комплекса. Предварительно задаются число расчетных реализаций, параметры ФГМ и профиля наблюдений, а также диапазоны вариации параметров стохастической модели. Накопленные совокупности значений реализаций образуют эталонные выборки полей, характеризующие эталонные ФГМ в пределах полосы эквивалентных решений Эти выборки используются компьютерной технологией MultAlt согласно схеме обработки, описанной в главе 2

Предлагается несколько способов задания «нецелевой» (фоновой) альтернативы прогноза (в зависимости от уровня знания геологической обстановки, количества и качества исходных данных) На практике фоновая эталонная выборка составляется чаще всего из значений реальных геофизических полей и их производных в точках апробируемого планшета.

4.4 Типовые эталонные ФГМ, используемые при прогнозе медно-никелевых

рудоносных структур Анализ особенностей медно-никелевых месторождений, позволяет трактовать их обобщенную физико-геологическую модель как сложную систему физически разнородных элементов, связанных пространственно-временными закономерностями. Совокупность этих элементов обеспечивает рудному объекту физическую обособленность в геологическом пространстве и заметный аномальный эффект в геофизических полях.

В разделе подробно описывается структура и свойства ФГМ рудных объектов трапповой формации (Норильский регион), рудных объектов Печенгского и Аппареченского типа (Мурманская область), пластообразных и дайкообразных рудных объектов Вожминского типа, а также расслоенного и коматиитового типов (Карелия) Все указанные объекты относятся к медно-никелевым интрузивным комплексам сложной геологической природы, с различной степенью метаморфизма и различными свойствами вмещающей среды Приведены формализованные 30

описания ФГМ, показаны их разрезы и совокупности расчетных реализаций, образующие эталонные выборки значений признаков В частности, на рисб-а приведена стохастическая ФГМ объектов типа расслоенных интрузивов.

В основу общей модели строения расслоенного интрузива положена модель Шаркова. Главной особенностью строения является чередование выдержанных по составу и мощности слоев магматических горных пород Объект имеет воронкообразную форму и образован двумя структурными элементами -центральной и краевой серией пород Главной по объему является центральная серия. Расслоение в ней имеет автономную по отношению к контактам структуру, напоминая стопку блюдец, вложенных одно в другое Структура краевой серии конформна с контактами. Основность пород увеличивается с глубиной и соответственно изменяются физические свойства слагающих пород В целом модель представляет собой усеченный конус с диаметром верхнего сечения 2700 м Контакт с вмещающими породами (гранито-пнейсами) имеет крутой угол падения с одного края, в то время как с другого угол имеет переменный наклон. Зона контакта имеет мощность порядка 50 м и является краевой областью. Все основные блоки модели вставлены один в другой, границы блоков субпараллельны. ФГМ состоит из 11 элементов Рудные тела моделировались пластовыми и жильными телами, расположенными вблизи контакта массива в придонной части, в «висящем» горизонте и в виде серии жил в центральной части интрузива Расчет реализаций гравитационного (Ад), магнитного (AT) полей и их горизонтальных производных d(Ag) / дх и 5(й.Т)/дх вдоль секущего профиля ФГМ производился программой Interact при фиксированном уровне флуктуации физических свойств модели (+10%) и при различных уровнях флуктуации координат угловых точек модели (от ±10 м до ±50 м). Для каждого признака результирующие эталонные выборки комбинировались из 50-ти реализаций (рис.6-б,в,г,д) Объем каждой выборки составлял более 3000 значений.

В разделе приведены результаты исследования влияние флуктуации параметров ФГМ медно-никелевых интрузивов на статистическую устойчивость эталонных выборок путем сопоставления гистограмм аномальных полей. Под статистической устойчивостью подразумевается сохранение в допустимых пределах формы и амплитуды эталонных гистограмм для наборов реализаций ФГМ, образованных в результате вариации параметров «нулевого» приближения исходной модели При слишком сильных флукгуациях параметров ФГМ форма и амплитуда гистограмм искажается, поскольку соответствующие выборки, составленные из реализаций синтетических полей, перестают отражать свойства исходных моделей Решающие правила, использующие подобные выборки, формально будут рассчитываться верно, но фактический прогноз может оказаться ошибочным даже при высокой эффективности решений. Поэтому перед построением решающих правил чрезвычайно важно эмпирически установить адекватные диапазоны флуктуации параметров, не допуская разрушения статистической устойчивости ФГМ Как правило, размеры диапазонов флуктуации следует выбирать такими, чтобы разброс реализаций относительно поля «нулевого» приближения модели не превышал 40-50% Показано, что анализ статистической устойчивости позволяет выбирать не только оптимальные диапазоны флуктуации параметров ФГМ, но и оценивать предельно допустимые глубины «погружения» моделей искомых объектов при прогнозе

А., ^Чрс^Нм^

- ' Д.. ж- • ■ Л •

.мм** ¡я^-

[Г ЗДЬ

Рис 6 Стохастическая эталонная ФГМ расслоенного интрузива 4 5 Влияние флуктуации параметров на статистическую устойчивость эталонов ФГМ медно-

никелевых месторождении

4.6 Многоальтернативный прогноз объектов, подобных ФГМ медно-никелевых месторождений различного типа на территориях Карело-Кольского региона Накопленная серия ФГМ медно-никелевых интрузивных комплексов была апробирована в ряде хорошо изученных районов Кольского полуострова и республики Карелия как для отработки технологии многоальтернативного прогноза рудоносных структур, так и для оценки эффективности выбранных моделей. ФГМ условно подразделялись на две группы «кольская», представленная моделями Печенгского и Аплареченского типов и «карельская», представленная ФГМ расслоенного интрузива, интрузива Вожминского типа и интрузива, связанного с коматиитами «Кольская» группа ФГМ была опробована на территории Печенгско-Аплареченского рудного района, в котором сосредоточено свыше 30% балансовых запасов комплексных сульфидных медно-никелевых руд Мурманской области. «Карельская» группа ФГМ применялась на территории архейских зеленокаменных поясов и гранит-зеленокаменных областей (Костомукшская, Каменноозерская и

Бураковская структуры) с разнообразными проявлениями интрузивного магматизма в виде минерагенических комплексов (медно-никелевые, медно-цинковые, медно-колчеданные руды и пр.).

71« ?М4 7Ю6

Рис 7 Бураковский участок Карелии Масштаб 1 50 ООО Карты вероятностей 4-х альтернативного прогноза иедно-нике левых объектов по комплексу признаков Лд, &Т, и Э<&%)/ск с использованием стохастических ФГМ интрузивов' а) расслоенного; б) Вожминского типа, в) коматиитового типа

В частности, на Бураковском участке наиболее адекватной (в пределах контура известной аномалии) оказывается стохастическая ФГМ Бураковско-Аганозерского расслоенного интрузива, представляющего собой в плане слегка изогнутый овал, площадью 630 киг (рис 7) Массив разбит системой субмеридианальных разломов на 3 блока' Аганозерский - на севере, Бураковский на юго-западе и Шалозерский в центре Рисунок 7-а подтверждает, что строение интрузива характеризуется высокой степенью макро- и микрорасслоенности. В плане интрузива просматривается расслоенная серия и краевая зона. В обрамлении массива сосредоточены архейские гранитоиды и лопийские сланцы, развитые по ультраосновным, основным и кислым эффузивам от коматиитов до дацитов. Это вполне согласуется с вероятным проявлением в сопредельной территории модели интрузива, связанного с коматиитами (рис.7-в) В то же время проявления «коматиитовой» и «вожминской» ФГМ в пределах собственно расслоенной серии практически отсутствуют (рис.7-6,в) Подчеркнем, что в процессе постановки и решения прогнозных задач с использованием стохастических эталонных ФГМ в каждом случае исследовался вопрос об оптимальном числе искомых альтернатив и составе комплекса признаков, вовлекаемых в обработку.

4.7 Многоальтернативный прогноз объектов, подобных ФГМмедно-никелевых месторождений трапповой формации на территории листов Я45-46 (Норильск) Медно-никелевые интрузивы трапповой формации наиболее характерны для Норильского промышленного района, включающего Норильское, Талнахское, Октябрьское месторождения медно-никелевых руд Интрузивные породы района относятся к позднепермской-среднетриасовой трапповой формации, в число которых входят дифференцированные интрузии основного-ультраосновного состава с сульфидным медно-никелевым оруденением, погруженные, как правило, на глубину порядка 700 метров и перекрытые неоднородной эффузивной трапповой толщей. Все известные медно-никелевые месторождения района генетически и пространственно связаны с интрузивами этого типа Одновременно с прослеживанием потенциально рудоносных площадей оценивалась эффективность прогноза при использовании различных алгоритмов комплексирования

На рисунке 8 показаны предварительные результаты прогноза объектов, подобных по комплексу признаков физико-геологической модели интрузива Норильского типа и прослеживаемого на трех альтернативных глубинах залегания (алгоритм комплексирования №1) Комплекс состоял из трех уже упомянутых полей (локальные поля Ад, АТ и зр^^^^^отчетливо прослеживаются на каждой

I библиотека/ 33

I мГЗП I

из прогнозируемых глубин залегания верхней кромки интрузива, но проявление объектов резко сокращается при увеличении глубины. Близкое сосредоточение (смыкание) точечных объектов с разными глубинами залегания в пределах некоторых фрагментов карты можно трактовать как проявление достаточно мощных и глубоко внедренных интрузивных комплексов.

Рис 8 Карта максимально правдоподобных решений для объектов, подобных ФГМ интрузива Норильского типа, прогнозируемых на различных глубинах залегания (масштаб 1.200 ООО). Контуром обозначена территория Норильского пром района, символами 1V' - наиболее крупные известные медно-никелевые месторождения

Глава 5. Примеры производственного использования компьютерной технологии MultAIt в рамках системы прогнозных и глубинных исследований

В заключительной главе работы рассматриваются методологические основы системы прогнозных и глубинных исследований (СПГИ), ядром принятия решений которой является компьютерная технология MultAit. Приведены примеры использования системы при проведении лрогнозно-минерагенических исследований на различные типы рудоносных структур.

5.1 Особенности системы прогнозных и глубинных исследований (СПГИ)

Проблема металлогенического анализа и прогноза полезных ископаемых неразрывно связана с закономерностями их формирования и локализации. Закономерности определяются многими факторами- структурно-тектоническими, геоморфологическими, геофизическими, геохимическими и др. На стадии региональных геолого-геофизических исследований масштаба 1*1000000 - 1:500000

конечная цель работ заключается в создании мелкомасштабной геолого-геофизической основы для выявления особенностей геологического строения региона и общих закономерностей размещения полезных ископаемых. При картировании в масштабе 1200000 - 1 100000 объектами оценки являются рудные районы, при геолого-съемочных работах масштаба 1.50000 - рудные узлы и поля, а при поисково-оценочных работах масштаба 1 10000 - 1:5000 - отдельные месторождения и рудные тела. Значимость материалов геофизических исследований определяется рядом преимуществ по сравнению с геологическими данными, к числу которых относятся объёмность и глубинность геофизической информации, высокая разрешающая способность в определении границ рудоносных площадей разного ранга

В течение нескольких лет под руководством А.С.Нахабцева была разработана система прогнозных и глубинных исследований при геологическом картировании и поисково-оценочных работах (СПГИ). СПГИ увязывает масштаб и объекты исследований, объекты прогнозирования и категории оценок прогнозных ресурсов. СПГИ включает технологию интегрированного анализа космо- , аэро- и наземных геоданных и технологию геофизического обеспечения экспрессного прогноза рудных объектов. Ядром программного обеспечения СПГИ является технология статистической комплексной интерпретации MultAlt. Конечным продуктом геофизического прогноза на всех стадиях исследований являются схемы расположения перспективных геофизических площадей. СПГИ основана на сочетании принципов последовательно го приближения, корреляции, аналогий и числовой экспертной оценки достоверности и качества решений на всех этапах применения.

Процесс реализации СПГИ включает пять основных этапов.

- формирование базы исходных данных;

- разработка генетических моделей искомых объектов;

- выявление нижнекоровых и верхнекоровых рудоконтролирующих факторов и соответствующих им геофизических признаков,

- создание ФГМ эталонов рудоносных структур, выбор информативных количественных признаков и оценка эффективности прогноза;

- выявление объектов, подобных ФГМ эталонов рудоносных структур

Подробно описывается состав базы исходных данных (в зависимости от масштаба прогнозных исследований), а также используемых программных средств

5.2 Многоальтернативный прогноз рудоносных структур Карелии по комплексу

признаков

В разделе рассматриваются результаты применения СПГИ для многоальтернативного прогноза рудоносных структур Карелии по комплексу геоданных Приводится прогнозно-металлогеническая схема территории листов Р-(35)-36-37 (Петрозаводск), геофизическая основа которой состоит из совокупности моделей перспективных районов с различными рудными структурами. Подчеркивается, что данная схема получена путем совмещения прогнозных карт, построенных отдепьно по «региональным» и «локальным» критериям, позволяющим автономно использовать информацию о глубинных и приповерхностных коровых процессах Перечислены глубинные рудоконтролирующие факторы, выявленные на основе сопоставления прогнозно-металлогенической схемы со схемами глубинного и структурно-тектонического строения.

Обсуждаются результаты использования СПГИ для геофизического прогноза зопотосодержащих площадей Карелии Перечисляются базы исходных данных, задействованные при различных масштабах экспрессного прогноза объектов, подобных эталонам золоторудных структур и приведена схема размещения потенциально золотоносных площадей, половина из которых прогнозируется

впервые. Приводятся результаты средне- (1:200000) и крупномасштабного (1:50000) геофизического прогноза на Хаутаваарской и Костомукшской площадях (архейские зеленокаменные структуры) с оценкой прогнозных ресурсов. Практически все известные на этих территориях золоторудные месторождения и рудопроявления выделяются с высокими значениями комплексных апостериорных вероятностей. Приводится также детальная прогнозно-металлогеническая схема (масштаб 1 5000) участка Таловейс, на которой прослеживается серия известных рудных тел и неизвестных ранее потенциально золотоносных объектов.

5.3 Многоальтернативный прогноз потенциально алмазоносных площадей по комплексу признаков на северо-западе России

Раздел содержит описание результатов многоальтернативного комплексного прогноза потенциально алмазоносных площадей на северо-западе России. Подробно рассматривается обобщенная прогнозно-поисковая модель строения кимберлитовых объектов и перечислены основные факторы, учитывающиеся при прогнозе кимберлитовых полей и кустов в соответствии с масштабом исследований и обширным комплексом исходных геофизических и геохимических данных. Выбор альтернативных эталонов кимберлитовых объектов для прогнозных исследований производился с использованием алмазоносных регионов, примыкающих к Финляндии Геофизические критерии прогноза (признаки) разрабатывались на основе анализа статистических характеристик гравитационного и магнитного полей и их трансформант, рассчитанных для кимберлитовых объектов Анализ эталонных выборок, построение и отбор информативных решающих правил, распознавание объектов, подобных эталонам, осуществлялись на основе технологии MultAlt. Сформированный прогнозный комплекс обеспечил высокую надежность интерпретации (True > 0.9). В разделе приведена схема размещения потенциально алмазоносных площадей на территории Северо-Запада России (масштаб 1-1000000) Выделены объекты, подобные по комплексу количественных признаков эталонным кимберлитовым полям. Рекомендованы для дальнейшего изучения в масштабе 1 200000 Архангельская, Петрозаводская, Костомукшская, Санкт-Петербургская субпровинции На основе геофизического прогноза составлена также крупномасштабная схема размещения потенциально алмазоносных участков на Лижмозерской площади Карелии (1*50000), находящейся в северо-восточном обрамлении Повенецкого залива Онежского озера и содержащей места находок алмазов в карстовых воронках. На схеме прослеживается четко выраженное северовосточное простирание зон, перспективных на выявление кимберлитового магнетизма В пределах участков рекомендуется проведение детальной высокоточной аэромагнитной съемки масштаба 1:10000 в комплексе с методами электроразведки

5.4 Многоальтернативный прогноз рудоносных структур с комплексным

оруденением

В начале раздела рассматривается пример многоальтернативного геофизического прогноза рудоносных структур с комплексным оруденением на Шалозерской площади Карелии (Бураковско-Аганозерский массив) Прогнозирование перспективных зон было выполнено с использованием технологии MultAlt Всего было задействовано 11 признаков, в том числе-

• гравитационное и магнитное поле;

• локальные составляющие этих полей, полученные как разности осредненных составляющих с радиусом 400 и 2000 метров;

• энтропия локальных составляющих;

• модуль горизонтального градиента локальных составляющих Ад и AT:

• дистанционные поля (тепловое поле, поле спектральной яркости, поле анизотропий линеаментов).

Значение средней по альтернативам вероятности правильного распознавания (надежности) для всего комплекса признаков приближалось к 0 9. В результате прогнозно-поисковых работ, проведенных в масштабе 1 50000 с целью выявления оруденений никеля, меди, платины, палладия, золота, хрома, титана, ванадия, впервые выделена зона тектоно-магматической активизации субмеридианального простирания, включающая серию рудоносных площадей, рекомендуемых для дальнейшего исследования в масштабе 1:10000, Достоверность геофизического прогноза подтверждена бурением За пределами зоны также выявлена серия перспективных рудоносных участков, на одном из них приведены результаты детальных работ.

В разделе представлены также результаты шестиальтернативного прогноза потенциально никеленосных залежей на территории Светлоозерского месторождения в масштабе 1*10000 (Каменноозерская архейская зеленокаменная структура) В качестве эталонов никеленосных залежей (целевых альтернатив) были выбраны объекты пяти различных типов, характерных для рудопроявлений Вожминского, Лебяжинского и Светлоозерского массивов Комплекс геофизических признаков состоял из данных магнито- и электроразведки Значения признаков задавались в узлах матриц регулярной сети с расстояниями между узлами 10x10 метров. По результатам комплексной интерпретации была произведена ориентировочная оценка прогнозируемых запасов медно-никелевых руд Светлоозерского месторождения.

Положительные результаты прогнозных исследований масштаба 1 200000 с использованием моделей рудных месторождений (массивы Н-К-Т, Сопча, Нюд, Приозерный) получены на территории Мончегорского района Кольского полуострова. На основе алгоритма многомерной классификации МиИАК составлена и проинтерпретирована структурно-тектоническая схема района, на которой выделены 3 блока, содержащие разломы различных направлений и согласующиеся со структурной концепцией рудно-магматической системы Была составлена также прогнозно-металлогеническая схема потенциально никеленосных площадей в южной части массива Н-К-Т с использованием в качестве эталонных объектов пяти жильных зон, расположенных в различных физических условиях. Комплекс исходных данных был образован гравитационным, магнитным полями, а также полем потенциала заряда, представленными в единой системе координат в виде матриц с расстояниями между узлами 10x10 метров. Рекомендовано прение шести скважин для изучения ряда перспективных участков

В конце раздела приведены результаты комплексных прогнозных геофизических исследований с использованием сводных цифровых моделей магнитного, гравитационного и многомерного радиогеохимического полей, а также широкого набора трансформант полей на Оротуканской площади (Магаданская область) В качестве искомых целевых альтернатив использовались месторождения золото-кварцевой и золото-редкометальной формаций. По результатам прогноза с использованием технологии Ми11АИ выделены несколько крупных узлов, в которых сосредоточено большинство известных месторождений и рудопроявлений золота обеих формаций, а также ряд более мелких перспективных рудных узлов На рисунке 9 приведен фрагмент карты вероятностей прогноза площадей, подобных по комплексу признаков эталонам рудных объектов прожилково-жильного типа

0 5 0.6 0 7 0.8 0.9 • - месторождения золотя

- вероятность решений при визелениа рудных объектов про.кил£ово-жпя>во1о тнпа

- лнлеяыеяты выделенные по [раднентям локальных аномалий грпант анионного поля

Рис 9 Фрагмент карты вероятностей прогноза золоторудных объектов (Оротукансхая площадь)

ЗАКЛЮЧЕНИЕ

Общим результатом выполненных исследований является создание методологии статистической многоальтернативной комплексной интерпретации геолого-геофизических данных и соответствующего программно-математического обеспечения для решения широкого круга прикладных задач разведочной геофизики, направленных в первую очередь на прогноз и локализацию объектов, связанных с месторождениями полезных ископаемых

Конкретные научные и практические результаты выполненных исследований сводятся к следующему:

1. Разработаны основные этапы методологии статистической комплексной интерпретации геолого-геофизических данных, укладывающиеся в универсальную схему обработки на единой вероятностно-статистической основе Определена методика выбора многоальтернативных «целевых» и «нецелевых» объектов исследования, а также стратегия построения информативного комплекса произвольных количественных и качественных признаков, характеризующих искомые объекты.

2. Предложены оптимальные алгоритмы построения решающих правил для количественных и качественных признаков различной геолого-геофизической природы, в том числе - алгоритм оптимальной интервальной дискретизации шкал Разработана методика численной оценки эффективности решающих правил как для отдельных признаков, так и для всего комплекса Подобная оценка позволяет уже на этапе обучения судить об информативности и надежности данных, привлекаемых для комплексной обработки Показана возможность взвешенного формализованного комплексирования векторов данных с различным числом известных компонент в одних и тех же апробируемых точках.

3. Исследовано влияние представительности и статистической устойчивости (изменчивости) реальных эталонных выборок, задействованных при построении решающих правил Показано, что при использовании оптимальных алгоритмов лишь

очень сильное сокращение объемов выборок приводит к ошибочным, но контролируемым результатам формализованной комплексной интерпретации. 4 При подготовке апробируемых данных адаптирован способ раскорреляции статистически зависимых количественных признаков, сводящийся к замене первичных коррелированных значений признаков модифицированными значениями, обеспечивающими практически нулевую корреляцию признаков и сохраняющими исходную размерность Исследовано влияние раскорреляции на конечные результаты комплексной интерпретации

5. Разработаны два принципиально различных алгоритма комплексирования Один из них основан на расчете решающих правил для статистически слабо зависимых количественных признаков Другой алгоритм основан на оценке статистических свойств эталонных выборок в многомерном пространстве признаков с произвольной статистической зависимостью и не требует построения решающих правил Проведено сопоставление указанных алгоритмов комплексирования, выявлены их преимущества и недостатки

6. Создан и полностью апробирован программный продукт MultAlt (для 32-разрядных операционных систем Microsoft Windows), реализующий технологию статистической многоальтернативной комплексной интерпретации геоданных Разработаны практические рекомендации по использованию компьютерной технологии MultAlt при решении типовых прогнозных и картировочных задач, составлено электронное справочное Руководство пользователя

7. Предложено использование технологии MultAlt для построения двухмерных обобщенных разрезов моделей искомых геологических объектов по комплексу петрофизических разрезов Для локализации объемных моделей объектов предлагается алгоритм зондирования среды по вертикали в точках «виртуальных» скажин по комплексу петрофизических параметров исследуемого пространства с принятием решений о принадлежности апробируемых точек той или иной альтернативной объемной модели.

9 Приведены многочисленные примеры прогноза и картирования различных рудоносных структур в Карело-Кольском, Норильском регионе, Магаданской области и на Северо-Западе России Полученные результаты свидетельствуют о целесообразности использования компьютерной технологии MultAlt в составе системы прогнозных и глубинных исследований (СПГИ) на всех стадиях региональных и поисково-оценочных работ

Список основных работ по теме диссертации

1 Статистические алгоритмы прогнозирования литологических нарушений // Тезисы докл к Всесоюзной научной конференции «Методика поисков стратиграфических и литологических залежей нефти и газа» Баку, 1983 (соавторы Гольцман Ф M, Караев H А )

2. Некоторые примеры применения статистического прогнозирования при решении обратных геофизических задач II В кн. Вопросы динамич теории распространения сейсмических волн, Л.; Наука, 1984, cö.XXIV, с.221-238 (соавторы Гольцман Ф.М, Караев Н.А)

3. Статистические методы локализации литологических нарушений// Изв АН СССР, Физика Земли, 1984, №12, с 53-67 (соавторы Гольцман Ф М., Караев Н.А)

4. Статистические методы прогнозирования геолого-геофизических объектов// В кн. Количественный анализ геологических явлений (материалы к Всесоюзной школе «Применение колич. методов в геологии»), Иркутск, 1985, с 127-134

5. Примеры использования статистических методов локализации крупномасштабных геофизических объектов // В кн Методы развед геофизики, Л., НПО Рудгеофизика, 1986, с.62-69

6. Группирование сигналов в задачах обнаружения нарушений среды (сейсмическая томография)// Геология и геофизика, Новосибирск; Наука, 1986, №5, с.85-94 (соавтор Гольцман Ф.М.)

7. Графоаналитические методы синтеза групп источник-приемник сейсмических сигналов при поиске литологических нарушений.// Геология и геофизика, Новосибирск; Наука, 1987, №7, с.101-110 (соавторы Гольцман Ф.М., Караев H.A.)

8. Статистические методы выделения локальных неоднородностей среды по комплексу сейсмических данных II Автореф. дисс на соискание уч ст. канд. физ.-мат. наук. 04.00.12, Л., 1988

9. Seismic Recognition of Local Inhomogeneres.// PAGEOPH, vol.132, No.4,1990,Birkhauser Verlag, Basel, pp.639-652 (соавторы J.Battlo, F.Goltsman, J.Pous)

10. Модификация схем обработки данных многократного прослеживания сейсмических волн при оконтуривании локальных неоднородностей.// Геология и геофизика, Новосибирск; Наука, 1991, №12, с.119-125 (соавтор Гольцман Ф.М.)

11. Статистическая методология построения моделей геолого-геофизических объектов по комплексу геоданных.// Российский геофиз. журнал, С-Петербург, ВИРГ-Рудгеофизика, 1994, №3-4', с.61-66 (соавторы Гольцман Ф М., Калинина Т.Б.)

12. Геофизическое обеспечение экспрессного прогноза рудных объектов при геологическом картировании и поисково-оценочных работах.// Методич рекомендации, С.-Пб, ВИРГ-Рудгеофизика, 1999, 155с (соавторы Богданов Л.А, Калинина Т.Б, Нахабцев АС. и др.)

13. Компьютерная технология MULTALT для решения многоальтернативных прогнозных и классификационных задач геофизики по комплексу данных.// Тезисы доклада на 1-ой Всеросс. конф «Геофизика и математика», М., ОИФЗ РАН, 1999 (соавторы Гольцман Ф.М., Калинина Т.Б.)

14. Компьютерная технология MULTALT многоальтернативной классификации и прогноза по комплексу геоданных//Российский геофиз журнал, С.-Пб, ВИРГ-Рудгеофизика, 2000, №17-18', с.64 - 70 (соавторы Гольцман Ф.М., Калинина Т.Б.)

15. Некоторые результаты практического использования компьютерной технологии MULTALT в задачах прогноза по комплексу геоданных.// Российский геофиз журнал, С.-Пб, ВИРГ - Рудгеофизика, 2000, №19 - 20', с 56 - 61 (соавторы Гольцман Ф.М , Калинина Т.Б.)

16 Методика районирования площадей по комплексу геополей с использованием компьютерной технологии MULTALT.// Российский геофиз журнал, С.-Пб, ВИРГ-Рудгеофизика, 2000, №19-20', с 62-67 (соавтор Калинина Т.Б) 17. Многоальтернативный статистический прогноз и построение моделей геолого-геофизических объектов по комплексу геоданных с использованием компьютерной технологии MULTALT.// Тезисы докл. на Междунар научной школе-семинаре «Вопросы теории и практики комплексной геологической интерпретации гравит, магн и электрич полей», Ухта, УГТУ, 2000 (соавтор Калинина Т Б )

18 Компьютерная технология MULT ALT для решения многоальтернативных прогнозных и картировочных задач рудной геофизики // Тезисы докл на Международной геофиз конференции «300 лет горно-геологической службе России», С -Пб., 2000 (соавтор Калинина Т.Б)

19. Технология геофизического прогноза рудных объектов при геологическом изучении недр и поисковых работах (масштабы 1-1000000 - 1 5000) // Тезисы докл на Международной геофиз конференции «300 лет горно-геологической службе России», С -Пб , 2000 (соавторы Богданов Л А, Калинина Т Б , Нахабцев А С) 20 Статистические методы априорной оценки комплексной эффективности при решении прогнозно-поисковых задач // Материалы 2-ой Всероссийской конференции «Геофизика и математика», Пермь, ГИ УРО РАН, 2001, с 126-133 (соавтор Калинина Т.Б)

21. Априорная оценка эффективности решений прогнозных и классификационных задач.// Российский геофиз. журнал, С-Пб, ВИРГ-Рудгеофизика, 2001, №23-24', с 83-88 (соавтор Калинина Т.Б.)

22. Многоальтернативный прогноз рудоносных структур Карелии по комплексу признаков с использованием компьютерной технологии MULTALT.// Геофизика, №5, М„ 2001, с 64-69 (соавторы Богданов Л А., Калинина Т.Б., Нахабцев А С.)

23. Априорная количественная оценка эффективности решений прогнозных и классификационных задач // Тезисы докл на 28 сессии Международного семинара «Вопросы теории и практики геологич интерпретации гравит, мат. и электрич полей», Киев, Институт геофизики НАН Украины, 2001 (соавтор Калинина Т Б.)

24. Исследование эффективности решений прогнозно-поисковых задач по комплексу геолого-геофизических наблюдений.// Российский геофиз. журнал, С -Пб, ВИРГ-Рудгеофизика, 2002, №25-26', с.68-73 (соавтор Калинина Т Б)

25. Автоматизированная комплексная интерпретация распределений петрофизических параметров.// Тезисы докл на Международной научн школе-семинаре «Вопросы теории и практики геологич интерпретации гравит, магн и электрич полей», Апатиты, 2002 (соавтор Калинина Т.Б)

26. Компьютерная технология MULTALT для построения моделей сред по комплексу геолого-геофизических данных // Геофизика, №4, М, 2003, с 30-36 (соавтор Калинина Т Б)

27. Сопоставление алгоритмов проверки статистических гипотез при решении прогнозно-картировочных задач по комплексу коррелированных и некоррелированных признаков // Тезисы докл на Международном семинаре «Вопросы теории и практики геологич интерпретации гравитац, магн. и электрич полей», М ; ОИФЗ РАН, 2003 (соавтор Калинина Т Б.)

28. Геофизический прогноз - один из важнейших элементов процесса воспроизводства минерально-сырьевой базы России // Разведка и охрана недр, М; Недра, 2003, №4, с 29-31 (соавторы Богданов Л.А, Нахабцев А С)

29. Построение статистических физико-геологических моделей и их использование в качестве эталонных объектов при решении прогнозно-поисковых задач с применением компьютерной технологии MULTALT// Тезисы докл на Международной научно-практической конференции: «Проблемы внедрения современных технопогий моделирования геологической среды в практику исследования и освоения недр России», СПбГТИ, 2004 (соавторы Богданов Л А, Калинина Т Б , Ладнер Г.А)

30. Использование статистических ФГМ в качестве эталонных объектов при решении прогнозно-поисковых задач II Записки С -ПбГТИ, 2004, в печати (соавторы Богданов Л А, Калинина Т.Б)

31 Оценка влияния корреляции исходных геофизических данных на результаты решения прогнозно-картировочных задач с использованием статистических

алгоритмов.// Российский леофиз. журнал, С-Пб, ВИРГ-Рудгеофизика, 2004, №3334', с.79-84 (соавтор Калинина Т.Б.)

32. Прогноз кимберлитовых полей в пределах Восточной части Балтийского щита с использованием компьютерных технологий.// Тезисы докл. на научно-практич. конференции «Эффективность прогнозирования и поисков месторождений алмазов: прошлое, настоящее и будущее», С.-Пб, ВСЕГЕИ, 2004 (соавторы Богданов Л.А., Овсов М.К.)

33. Новый подход к использованию статистических ФГМ при прогнозе геологических объектов посредством компьютерной технологии М111.ТА1_Т.// Геофизика, М., 2004, №5, с.42-45 (соавтор Калинина Т.Б.)

34. Технология прогноза рудоносных объектов с использованием эталонных статистических ФГМ // Тезисы докл. на Международном семинаре «Вопросы теории и практики геологич. интерпретации гравитац., магн. и электрич. полей», Пермь, ГИ УРО РАН, 2005 (соавтор Калинина Т.Б.)

Р15272

РНБ Русский фонд

2006-4 13324

Содержание диссертации, доктора технических наук, Калинин, Дмитрий Федорович

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ СТАТИСТИЧЕСКОЙ МНОГО АЛЬТЕРНАТИВ НОЙ

КОМПЛЕКСНОЙ ИНТЕРПРЕТАЦИИ

1.1 Целесообразность использования информационно-статистических методов при решении геолого-геофизических задач по комплексу данных (признаков)

1.2.1 Выбор искомых альтернативных объектов

1.2.2 Выбор совокупности признаков, описывающих искомые объекты

1.2.3 Задание количественных (числовых) признаков на этапе обучения

1.2.4 Задание качественных (нечисловых) признаков на этапе обучения

1.2.5 Подготовка интерпретируемых данных

1.3 Статистические алгоритмы построения оптимизированных многоальтернативных решающих правил

1.3.1 Характеристика решающего правила и процедура его построения

1.3.2 Оценки эффективности решающих правил

1.3.3 Отбор информативных признаков на основе анализа решающих правил

1.3.4 Влияние представительности и изменчивости эталонных выборок при построении решающих правил

1.3.5 Априорное оценивание эффективности по комплексу решающих правил

1.4 Раскорреляция статистически зависимых количественных признаков

1.5 Статистические алгоритмы комплексирования данных, используемые при интерпретации искомых многоальтернативных объектов

1.5.1 Построение первичных базовых файлов апостериорных вероятностей

1.5.2 Построение комплексного базового файла для некоррелированных признаков (алгоритм комплексирования №1)

1.5.3 Построение комплексного базового файла для коррелированных признаков (алгоритм комплексирования №2)

1.5.4 Учет априорной информации о частоте появления искомых альтернативных объектов

1.5.5 Построение результирующих карт и таблиц 63 Основные результаты и выводы

ГЛАВА 2. КОМПЬЮТЕРНАЯ ТЕХНОЛОГИЯ МиЬТАЬТ МНОГОАЛЬТЕРНАТИВНОЙ КОМПЛЕКСНОЙ ИНТЕРПРЕТАЦИИ ГЕОДАННЫХ

2.1 Общие сведения о технологии МикАк

2.2 Блок-схема технологии МикАк

2.3 Варианты задания искомых альтернатив для построения решающих правил

2.3.1 Эвристическое задание классов-альтернатив по гистограмме количественного признака (блок 1)

2.3.2 Комбинирование альтернатив путем объединения классов, выделяемых по гистограммам количественных признаков (блок 2)

2.3.3 Задание альтернатив в виде эталонных выборок и/или параметров распределений значений количественных признаков блоки 3 и 4)

2.3.4 Задание альтернатив путем заполнения таблиц экспертных баллов для дискретных состояний качественных признаков (блок 5)

2.4 Главное окно компьютерного приложения МиИАк 85 2.4.1 Подменю «Файл»

2.4.2 Подменю «Правка»

2.4.3 Подменю «Вид»

2.4.4 Подменю «Образ»

2.4.5 Подменю «Подготовка»

2.4.6 Подменю «Решающее правило»

2.4.7 Подменю «Комплекс»

2.4.8 Подменю «Окно» и «Справка»

2.4.9 Информационные панели

2.4.10 Акселераторы

2.5 Процедура раскорреляции

2.6 Качественный (экспертный) анализ геофизических признаков 94 * 2.7 Основные процедуры подготовки планшетов данных

2.7.1 Открытие планшетов

2.7.2 Масштаб и размеры изображения

2.7.3 Позиционирование изображения в окне

2.7.4 Привязка и обрезка растрового планшета

2.7.5 Оцифровка растрового планшета

2.7.6 Сохранение изображения

2.7.7 Объекты типа «Регион»

2.7.8 Объекты типа «Конфигурация»

2.7.9 Отображение выборок и гистограмм 109 2.8 Интерфейс для построения решающих правил с использованием эвристической классификации ПО 2.8.1 Установка параметров классификации

2.8.2 Интерактивное задание классов

2.8.3 Индексация альтернатив при многомерной классификации

2.9 Интерфейс для построения решающих правил с использованием эталонных выборок или параметров статистических распределений

2.10 Интерфейс для построения решающих правил с использованием качественных признаков

2.11 Интерфейс для отображения и анализа решающих правил

2.12 Интерфейс для статистического комплексирования данных

2.12.1 Оценка эффективности решений по комплексу признаков

2.12.2 Создание базового файла вероятностей для текущего признака

2.12.3 Комплексирование базовых файлов

2.12.4 Прикомплексирование признака к обобщенному базовому файлу

2.12.5 Создание обобщенного базового файла для комплекса статистически связанных признаков

2.12.6 Отображение результатов многоальтернативной статистической комплексной интерпретации 129 Основные результаты и выводы

ГЛАВА 3. ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ИСПОЛЬЗОВАНИЮ ТЕХНОЛОГИИ MULTALT ПРИ РЕШЕНИИ ПРОГНОЗНО-ПОИСКОВЫХ И КАРТИРОВОЧНЫХ ЗАДАЧ 157 3.1 Исследование эффективности решений прогнозно-картировочных задач по комплексу геолого-геофизических наблюдений

3.1.1 Способы отбора информативных признаков и априорное прогнозирование качества ожидаемых результатов

3.1.2 Исследование мер эффективности в задачах классификации и прогноза

3.1.3 Примеры определения эффективности отдельных признаков и оценка априорной ожидаемой эффективности при решении практических задач по комплексу признаков

3.2 Исследование влияния взаимной корреляции комплекса признаков на результаты решений прогнозно-картировочных задач

3.2.1 Сопоставление карт первичных и вторичных признаков

3.2.2 Сопоставление мер эффективности решающих правил, построенных для первичных и вторичных признаков

3.2.3 Исследование адекватности выбора статистических алгоритмов комплексирования при построении прогнозных карт

3.3 Методические рекомендации для решения задач классификации и прогноза по комплексу геолого-геофизических данных

3.3.1 Практические способы классификации геофизических полей с использованием гистограмм

3.3.2 Практические способы районирования (картирования) перспективных площадей по комплексу геополей

3.3.3 Практические способы многоальтернативного прогнозирования перспективных площадей по комплексу признаков

3.4 Построение моделей объектов по комплексу геолого-геофизических данных

3.4.1 Построение моделей геолого-геофизических разрезов

3.4.2 Построение моделей объемных геологических объектов по комплексу скважинных данных 191 Основные результаты и выводы

ГЛАВА 4. ТЕХНОЛОГИЯ ИСПОЛЬЗОВАНИЯ ЭТАЛОННЫХ ФГМ

В ЗАДАЧАХ МНОГОАЛЬТЕРНАТИВНОГО ПРОГНОЗА РУДОНОСНЫХ СТРУКТУР

4.1 Обоснование использования эталонных ФГМ при решении прогнозно-поисковых задач в рамках технологии MultAlt

4.3 Граф обработки данных для решения задач многоальтернативного прогноза объектов, подобных по комплексу признаков эталонным ФГМ

4.4 Типовые эталонные ФГМ, используемые при прогнозе медно-никелевых рудоносных структур

4.4.1 Рудные объекты трапповой формации (Норильский тип)

4.4.2 Рудные объекты Печенгского типа

4.4.3 Рудные объекты Аллареченского типа

4.4.4 Рудные объекты Вожминского типа

4.4.5 Объекты, связанные с коматиитами

4.4.6 Объекты, связанные с расслоенными интрузиями

4.5 Влияние флуктуации параметров на статистическую устойчивость эталонов ФГМ медно-никелевых месторождений

4.6 Многоальтернативный прогноз объектов, подобных ФГМ медно-никелевых месторождений различного типа на территориях Карело-Кольского региона

4.7 Многоальтернативный прогноз объектов, подобных ФГМ медно-никелевых месторождений трапповой формации на территории листов 1145-46 (Норильск) 245 Основные результаты и выводы

ГЛАВА 5. ПРИМЕРЫ ПРОИЗВОДСТВЕННОГО ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНОЙ ТЕХНОЛОГИИ МиЬТАЬТ В РАМКАХ СИСТЕМЫ ПРОГНОЗНЫХ И ГЛУБИННЫХ ИССЛЕДОВАНИЙ

5.1 Особенности системы прогнозных и глубинных исследований (СПГИ)

5.1.1 Технологические основы СПГИ

5.1.2 Основные этапы СПГИ, состав базы исходных данных и используемых программных средств

5.2 Многоальтернативный прогноз рудоносных структур Карелии по комплексу признаков

5.2.1 Прогнозно-металлогеническая схема Петрозаводского листа

5.2.2 Применение СПГИ для геофизического прогноза золотоносных площадей Карелии

5.3 Многоальтернативный прогноз потенциально алмазоносных плошадей по комплексу признаков на северо-западе России

5.3.1 Прогнозно-поисковая модель строения кимберлитовых полей и кустов алмазоносных тел

5.3.2 Формирование информативного комплекса геофизических признаков и результаты многоальтернативного прогноза кимберлитовых объектов

5.4 Многоальтернативный прогноз рудоносных структур с комплексным оруденением

5.4.1 Прогнозно-поисковые работы на Шалозерской площади Карелии

5.4.2 Геофизический прогноз никеленосных площадей в Мончегорском районе Кольского полуострова

5.4.3 Геофизический прогноз медно-никелевых залежей на Светлозерском месторождении (восточная Карелия)

5.4.4 Результаты прогнозных геофизических исследований на Оротуканской площади (Магаданская область) 293 Основные результаты и выводы 297 ЗАКЛЮЧЕНИЕ 318 Список использованных источников

1>|»П П'.'ТТТТП

Введение Диссертация по наукам о земле, на тему "Компьютерная технология статистической многоальтернативной комплексной интерпретации для решения прогнозно-поисковых задач рудной геофизики"

Цель диссертационной работы. Целью исследований явилось решение крупной прикладной проблемы, связанной с созданием на базе информационно-статистического подхода методологии, теоретического обоснования, алгоритмов и программного обеспечения для автоматизированной комплексной интерпретации геолого-геофизических данных с экспертно-числовым контролем качества решения прогнозно-поисковых задач. Результаты исследовании направлены на дальнейшее повышение эффективности комплексирования геофизических методов в геологии.

Основные задачи исследований. Ниже определены основные задачи исследований, осуществленных в рамках данной работы:

- адаптация алгоритма раскорреляции статистически зависимых количественных признаков и исследование воздействия механизма раскорреляции на конечные результаты комплексной интерпретации;

- разработка и описание компьютерного приложения МикАк, реализующего технологию статистической многоальтернативной комплексной интерпретации геоданных;

- создание практических рекомендаций по использованию технологии МикАк при решении типовых прогнозно-картировочных задач;

- адаптация компьютерной технологии МикАк для построения двух- и трехмерных обобщенных моделей искомых объектов по комплексу физико-геологических разрезов;

- разработка технологии использования эталонных стохастических физико-геологических моделей (ФГМ) для многоальтернативного прогноза рудоносных структур по комплексу потенциальных полей и их трансформант. Исследование влияния флуктуации параметров физико-геологических моделей на статистическую устойчивость эталонных выборок и опробование технологии при поиске медно-никелевых месторождений различного типа в Карело-Кольском и Норильском регионе;

- практическая реализация компьютерной технологии МикАк в рамках системы прогнозных и глубинных исследований при поиске рудоносных структур различного типа в Карелии и Магаданской области, а также при выделении потенциально алмазоносных площадей на северо-западе России.

Защищаемые положения. На защиту выносятся следующие основные положения.

1) Разработанные на базе информационно-статистической теории методология и компьютерная технология МикАк реализуют универсальные алгоритмы прогноза и картирования альтернативных геологических объектов по данным произвольных комплексов количественных и качественных (дискретных) геолого-геофизических признаков и обеспечивают контролируемое повышение эффективности результатов комплексирования по мере накопления информации.

2) Предложенные вероятностные критерии эффективности решающих правил дают возможность численно оценить надежность и информативность признаков для каждой конкретной задачи прогноза или картирования, позволяя априорно (до начала трудоемкой интерпретации) выбирать наиболее рациональные комплексы геоданных.

5) Построение схем расположения перспективных площадей по комплексу геоданных сочетает последовательное использование «региональных» и «локальных» геофизических признаков, анализ данных на основе физико-геологических и генетических моделей минерагенических таксонов различных рангов, метод аналогий и оценку достоверности решений с обязательным учетом масштабов съемок и априорной геологической информации об искомых объектах.

Научная новизна работы может быть сформулирована в виде следующих пунктов:

- обоснована возможность учета " априорной многозначности искомых геологических объектов при отсутствии «натурных» эталонных выборок па основе использования стохастических физико-геологических моделей.

Практическая значимость диссертационной работы определяется ее направленностью на решение важных прикладных задач, связанных в первую очередь с поиском и разведкой месторождений полезных ископаемых. Разработанный для использования в операционной системе Windows программный продукт MultAIt характеризуется высокой технологичностью, прошел широкую практическую апробацию при решении целого ряда задач в ГФУНПП «Геологоразведка» (ранее в ФГУП «ВИРГ-Рудгеофизика»). Программный продукт передан на опытно-методическое опробование нескольким научно-производственным организациям (ФГУГП «Челябинскгеолсъемка», ГФУГП «Иркутскгеология, ФГУГП «Читагеолсъемка» и ГФУП «Бурятгеоцентр»). Технология успешно применялась при подготовке второго издания Государственной геологической карты (листы Р-35,36,37 «Петрозаводск»), при геофизическом обеспечении программы "Золото Карелии" и решении ряда специализированных прогнозно-поисковых задач на территории Юго-Восточной части Балтийского щита, Магаданской области, Алтайского края, полуострова Таймыр в том числе при поисках алмазов, золоторудных объектов, объектов с комплексным оруденением, нефтяных объектов. На многих апробируемых территориях с высокими вероятностями выделены участки, перспективные на проведение дальнейших поисковых работ.

Личный вклад автора. В процессе проведения исследований, а также при изложении полученных результатов в работе автор опирался на известные элементы и положения математической статистики, вычислительной математики, программирования на ЭВМ, методологии интерпретации геофизических полей, геологии рудо контролирующих структур, петрофизики.

Автор принимал активное участие в разработке методологии, теоретического обоснования и алгоритмов решения прогнозно-картировочных задач па базе информационно-статистической теории интерпретации геолого-геофизических данных. Лично автором разработаны компьютерная технология многоальтернативной комплексной интерпретации, а также компьютерная технология интерактивного моделирования реализаций гравитационного и магнитного полей и их производных от стохастических ФГМ геологических объектов. При непосредственном участии автора выполнены многочисленные исследования и сформулированы методические рекомендации по использованию разработанных компьютерных технологий при выполнении работ по плановым и договорным темам ФГУП «ВИРГ-Рудгеофизика» в различные годы.

Апробация и публикации. Основные положения и результаты работы докладывались на Всесоюзной научной конференции «Методика поисков стратиграфических и литологических залежей нефти и газа» (Баку, 1983); на Всесоюзной школе «Применение количественных методов в геологии» (Иркутск, 1985); на 1-й и 2-й Всероссийских конференциях «Геофизика и математика» (Москва, 1999; Пермь, 2001); на Международной научной школе-семинаре «Вопросы теории и практики комплексной геологической интерпретации гравитационных, магнитных и электрических полей» (Ухта, 2000; Апатиты, 2002); на Международной геофизической конференции «300 лет горно-геологической службе России» (Санкт- Петербург, 2000); на Научно-методическом совете по геолого-геофизическим технологиям поисков и разведки твердых полезных ископаемых МПР России» (Санкт-Петербург, 2000,

2004); на Школе-семинаре при ВИРГ-Рудгеофизика по обучению использования компьютерных технологий при создании ГФО для Госгеолкарт-1000 и -200 (Санкт-Петербург, 2001); на Международных семинарах «Вопросы теории и практики геологической интерпретации гравитационных, магнитных и электрических полей» им. А.Г.Успенского (Киев, 2001; Москва, 2003; Пермь,

2005); на Международной научно-практической конференции «Проблемы внедрения современных технологий моделирования геологической среды в практику исследования и освоения недр России» (Санкт-Петербург, 2004); на

Научно-практической конференции «Эффективность прогнозирования и поисков месторождений алмазов: прошлое, настоящее и будущее (Алмазы-50)» (Санкт-Петербург, 2004); на VII Международной конференции «Новые идеи в науках о Земле» (Москва, 2005). Результаты подтверждены также актом апробации и внедрения ПМО «MultAlt», осуществленным ГФУП «Бурятгеоцентр» в 2002-2003 годах на материалах комплексной аэрогеофизической съемки в Восточном Саяне на Урдо-Окинской площади в рамках создания комплекта ГГК-200 нового поколения.

Результаты исследований автора по теме диссертации опубликованы в 34 печатных работах и содержатся в ряде научно-исследовательских отчетов ФГУП «ВИРГ-Рудгеофизика». Электронное гипертекстовое Руководство по использованию ПМО «MultAlt» размещено на сайте в Интернете: www.virg.ru/multalt2001 .htm.

Заключение Диссертация по теме "Геоинформатика", Калинин, Дмитрий Федорович

ЗАКЛЮЧЕНИЕ

Общим результатом выполненных исследований является создание методологии статистической многоальтернативной комплексной интерпретации геоданных и соответствующего программно-математического обеспечения для решения широкого круга прикладных задач разведочной геофизики, направленных в первую очередь на прогноз и локализацию объектов, связанных с месторождениями полезных ископаемых. Рассмотренные в работе методы и алгоритмы характеризуются высокой универсальностью, технологичностью и надежностью, что способствует получению более эффективных и взвешенных «человеко-машинных» решений на всех стадиях исследований. Некоторые аспекты предлагаемой работы явились логическим продолжением ранее защищенной автором кандидатской диссертации, в которой предлагались статистические способы выделения локальных неоднородностей среды по комплексу сейсмических данных.

Конкретные научные и практические результаты выполненных исследований сводятся к следующему:

1. Разработаны основные этапы методологии статистической комплексной интерпретации геолого-геофизических данных, укладывающиеся в универсальную схему обработки на единой вероятностно-статистической основе. Определена методика выбора многоальтернативных «целевых» и «нецелевых» объектов исследования, а также стратегия построения информативного комплекса произвольных количественных и качественных признаков, характеризующих искомые объекты.

2. Предложены оптимальные алгоритмы построения решающих правил как для количественных, так и качественных признаков различной геолого-геофизической природы, в том числе - алгоритм оптимальной интервальной дискретизации континуальных шкал. Разработана методика численной оценки эффективности решающих правил как для отдельных признаков, так и для всего комплекса геоданных в целом. Подобная оценка позволяет уже на этапе обучения судить об информативности и надежности данных, привлекаемых для комплексной обработки. Показана возможность взвешенного формализованного комплексирования векторов данных с различным числом известных компонент в одних и тех же апробируемых точках.

3. Исследовано влияние представительности и статистической устойчивости (изменчивости) реальных эталонных выборок, задействованных при построении решающих правил. Показано, что при использовании предложенных оптимальных алгоритмов лишь очень сильное сокращение объемов выборок наряду с чрезмерным увеличением их дисперсии приводит к ошибочным, но контролируемым результатам формализованной комплексной интерпретации.

4. При подготовке апробируемых данных предложен адаптированный способ раскорреляции статистически зависимых количественных признаков, сводящийся к замене первичных коррелированных значений признаков модифицированными, взаимно некоррелированными значениями с сохранением исходной размерности. Модифицированные значения, являясь линейными функциями первичных значений, вычисляются по рекуррентным формулам со специально подобранными коэффициентами, входящими в линейные функции и обеспечивают практически нулевую корреляцию признаков. Исследовано влияние раскорреляции на конечные результаты комплексной интерпретации и сделан практически важный вывод о том, что использование статистически зависимых признаков без раскорреляции чревато построением заведомо ложных решений в случае, когда граф обработки предусматривает построение решающих правил.

5. Разработаны два принципиально различных алгоритма комплексирования. Один из них предусматривает использование статистически слабо зависимых (раскоррелированных) количественных признаков и требует предварительного расчета решающих правил. Другой алгоритм основан на оценке статистических свойств эталонных выборок в многомерном пространстве наблюдений без необходимости расчета решающих правил, позволяя тем самым использовать количественные признаки с произвольной статистической зависимостью. Проведено сопоставление двух указанных статистических алгоритмов комплексирования для признаков с различной степенью взаимной корреляции, выявлены их преимущества и недостатки.

6. Создан и полностью апробирован программный продукт MultAlt (в виде компьютерного приложения для 32-разрядных операционных систем Microsoft Windows), реализующий технологию статистической многоальтернативной комплексной интерпретации геоданных. Разработаны практические рекомендации по использованию технологии MultAlt при решении типовых прогнозно-картировочных задач и составлено электронное справочное Руководство пользователя.

7. Продемонстрированы возможности адаптации компьютерной технологии MultAlt для построения двухмерных обобщенных разрезов моделей искомых объектов по комплексу исходных петрофизических разрезов моделей (плотностных, магнитоактивных, электропроводящих и т.д.), полученных в результате формализованной интерпретации соответствующих полей с привлечением различных априорных данных. Для локализации объемных моделей объектов предлагается алгоритм зондирования среды по вертикали в точках «виртуальных» скажин по комплексу петрофизических параметров исследуемого пространства с принятием решений о принадлежности апробируемых точек той или иной альтернативной объемной модели.

8. Разработана технология использования эталонных стохастических физико-геологических моделей (ФГМ) для многоальтернативного прогноза рудоносных структур по комплексу потенциальных полей и их расчетных трансформант. Технология основывается на стохастическом переборе значений геометрических и физических параметров ФГМ в пределах экспертно назначаемых доверительных интервалов и расчете заданного числа реализаций полей, объединяемых затем в эталонные выборки. Проведено исследование влияния флуктуации параметров физико-геологических моделей на статистическую устойчивость эталонных выборок. Сформулирована важная методическая рекомендация о необходимости адекватного экспериментального подбора диапазонов флуктуации параметров конкретной ФГМ. Анализ статистической устойчивости позволяет выбирать не только оптимальные диапазоны флуктуации параметров, но и оценивать предельно допустимые глубины «погружения» стохастических ФГМ при прогнозе. Определена стратегия комплексирования нескольких стохастических ФГМ с построением решений, обеспеченных оценкой адекватности моделей, что позволяет более обоснованно делать выводы о прогнозируемых объектах в различных геологических обстановках.

9. Приведены многочисленные примеры практического использования выше перечисленных технологий при прогнозе различных рудоносных структур в Карело-Кольском, Норильском регионе, Магаданской области, а также при выделении потенциально алмазоносных площадей на северо-западе России (в рамках системы прогнозных и глубинных исследований).

Библиография Диссертация по наукам о земле, доктора технических наук, Калинин, Дмитрий Федорович, Москва

1. Алексеев A.C. О постановке совмещенных обратных задач геофизики.// Условно-корректные задачи математической физики и анализа. Новосибирск: Наука, 1992, с.3-12

2. Альтшулер М.И., Асламов Ю.В., Барышникова И.А. и др. Современные аэрогеофизические технологии прогноза и поисков минерального сырья.// Международная геофиз.конференция, Тезисы докладов, С.-Петербург, ВИРГ-Рудгеофизика, 2000, с.213-215

3. Арене X., Лейтер Ю. Многомерный дисперсионный анализ.// М.,Финансы и статистика, 1985, 290с.

4. Аронов В.И. Методы построения карт геолого-геофизических признаков и геометризация залежей нефти и газа на ЭВМ. М.; Недра, 1990, 301с.

5. Аронов В.И., Страхов В.Н. О применении факторного анализа в геологии.// Геология и геофизика. 1984, №6, с.133-142

6. Асламов Ю.В. Параметрический метод безэталонной классификации аэрогеофизических данных для целей геологического картирования.// Методы разведочной геофизики: Рудная аэрогеофизика, изд. НПО «Рудгеофизика», Л., 1989, с.130-137

7. Балк П.И., Долгаль A.C., Балк Т.В. Сеточные методы решения обратных задач и опыт их применения при прослеживании дифференцированных интрузий по данным гравиразведки.// Геология и геофизика, 1993, №5, с. 127134

8. Барышев A.C. Геофизические критерии крупномасштабного прогнозирования и поисков месторождений твердых полезных ископаемых.// Геофизические исследования при поисках и разведке полезных ископаемых в Восточной Сибири. Новосибирск. 1985, с.3-13

9. И.Басин Я.Н. Интегрированный анализ геоинформации при геологоразведочных работах на нефть и газ и принципы их метрологического обеспечения.// Геофизика, № 4, 1994, с.47-53

10. Берзин Р.Г. Технология комбинированной сейсморазведки комплексной интерпретации геофизических данных по геотраверсам (региональным профилям).// Автореферат дисс. на соискание уч.ст. д-ра техн. наук: 25.00.10, М., 2003,46с.

11. Берман И.И. О количественной оценке эффективности геофизического метода в решении геологической задачи.// Методы развед. геофизики, 1972, вып. 15, с.110-113

12. Богданов Л.А., Калинин Д.Ф., Калинина Т.Б. Использование статистических ФГМ в качестве эталонных объектов при решении прогнозно-поисковых задач.// Записки Горного института, т.162, 2005, стр.128-131

13. Богданов Л.А., Калинин Д.Ф., Калинина Т.Б., Нахабцев A.C. и др. Геофизическое обеспечение экспрессного прогноза рудных объектов пригеологическом картировании и поисково-оценочных работах.// Методич. рекомендации, С.-Пб, ВИРГ-Рудгеофизика, 1999, 155с.

14. Богданов Л.А., Калинин Д.Ф., Калинина Т.Б., Нахабцев A.C. Многоальтернативный прогноз рудоносных структур Карелии по комплексу признаков с использованием компьютерной технологии MULTALT.// Геофизика, М., 2001, с.64-69

15. Богданов JI.A., Калинин Д.Ф., Нахабцев A.C. Геофизический прогноз -один из важнейших элементов процесса воспроизводства минерально-сырьевой базы России.// Разведка и охрана недр, М.; Недра, 2003, №4, с.29-31

16. Бонгард М.М. и др. Решение геологических задач с помощью программ распознавания.// Сов.геология, 1963, №6

17. Боровко H.H. Количественный анализ поисковых критериев крупных эндогенных рудных месторождений.// Обзор. Серия: геол.методы поисков и разведки месторождений метал, полезных ископаемых, М., ВИЭМС, 1973, 53с.

18. Боровко H.H., Мишин JI.T. Основные этапы крупномасштабного количественного прогнозирования рудных месторождений. В кн. Методы разведочной геофизики, вып. 15, Л., Недра, 1972, с.49-55

19. Боронаев В.А. Методика объемного геологического картирования рудных полей на основе комплексной интерпретации геолого-геофизических данных. -Изв. АН КазССР, Сер. геол., 1976, №6, с.78-85

20. Бродовой В.В. Геофизические исследования в рудных провинциях. М; Недра, 1984, 269с.

21. Бродовой В.В. Изучение геологического строения регионов и геологическое картирование. Крупномасштабное геологическое картирование. В кн. Комплексирование геофиз. методов при решении геологических задач, М., 1976, с.73-93

22. Бугаец А.Н., Дуденко JI.H. Математические методы при прогнозировании месторождений полезных ископаемых. М., Недра, 1976, 276с.

23. Бугаец А.Н., Вострокнутова Е.П., Вострокнутов А.И. Применение экспертных систем в геопрогнозе./ Обзор. М., Изд. ОНТИ ВИЭМС, 1986

24. Булах Е.Г., Маркова М.Н. Решение обратных задач гравиметрии методом подбора.// Геофиз.журн., 1992, т.14, №4, с.9-19

25. Бурдэ А.И. Теоретические основы и способы определения комплекса методов при геологической съемке и региональных поисках. Д.; Недра, 1978, 132с.

26. Бусыгин Б.С. Математическое обеспечение и компьютерная технология распознавания цифровых изображений в поисковой геофизике.// Автореф. дисс. на соискание уч. ст. д-ра техн. наук: 04.00.12. -М., 1993,37с.

27. Ван-дер-Варден Б. Математическая статистика.// Иностр.литер., 1960

28. Вахромеев Г.С. Основы методологии комплексирования геофизических исследований при поисках рудных месторождений. М., Недра, 1978, 152с.

29. Вахромеев Г.С., Давыденко А.Ю. Моделирование в разведочной геофизике. -М., Недра, 1986,312с.

30. Вентцель Е.С. Теория вероятностей.//М; Наука,1969, 576с.

31. Вентцель Е.С., Овчаров JI.A. Прикладные задачи теории вероятностей. М, Радио и связь, 1983, 416с.

32. Вистелиус А.Б. Основы математической геологии. JI.; Наука, 1980

33. Воронин Ю.А., Ионина H.A., Каратаева Г.Н. Задачи диагноза и распознавания в геологии, геохимии и геофизике. В кн. Геология и математика, Новосибирск, Наука, 1970. 224с.

34. Воронин Ю.А., Туренко С.К., Фейнгенберг С.Д. О постановке и решении основной задачи геологической интерпретации комплексных геофизических данных.// Мат.методы при поисках и разведке полезных ископаемых. -Новосибирск; ВЦ СО АН СССР, 1983, с.71-91

35. Воронин Ю.А., Черемисина E.H. Базовые задачи искусственного интеллекта в мультидисциплинарных исследованиях.// Новосибирск, ИВМиМГ СО РАН, 2001, ч. 1, 234с.; 2002, ч.2, 178с.

36. Временные методические указания по комплексированию геолого-геофизических и геохимических методов при поисках медно-никелевых месторождений в Норильском промышленном районе. -JL; НПО «Рудгеофизика», 1983. 88с.

37. Вудворд Ф., Дэвис И. Теория вероятностей и теория информации с применением в радиолокации. М, Сов. Радио, 1955, 126с.

38. Вычислительная математика и техника в разведочной геофизике. Справочник геофизика.// Под ред. В.М.Дмитриева, 2-е изд., М., Недра, 1990, 498с.

39. Гайдышев И. Анализ и обработка данных: специальный справочник.// Изд. «Питер», СПб, 2001, 752с.

40. Геология и рудоносность Норильского района.//О.А.Дюжиков, В.В.Дистлер, Б.М.Струнин и др., М.; Наука, 1988, 498с.

41. Глазнев В.Н. Комплексные геофизические модели литосферы Фенноскандии.// Апатиты, ЗАО «КАэМ», 2003, 252с.

42. Глубинное геологическое строение Печенгско-Аллареченского никеленосного района по геофизическим данным.// В.В.Верба, Г.А.Завинская,

43. Л.К.Кокорина и др. В кн.: Восточная часть Балтийского щита. Геологическое и глубинное строение, Л.; Наука, 1975, с. 110-117

44. Голиздра Г.Я. Комплексная интерпретация геофизических полей при изучении глубинного строения земной коры. М.; Недра, 1988, 212с.

45. Голомолзин В.Е. О связи параметров аномалий композиции информативных геофизических признаков с прогнозными ресурсами полезных ископаемых (на примере урановых месторождений).// Российский геофизический журнал, 2000, №17-18, с. 19-25

46. Голомолзин В.Е., Высокоостровская Е.Б., Краснов А.И., Мац H.A. Экспрессные методы прогнозирования и поисков рентабельных урановых месторождений.// Разведка и охрана недр, М.; Недра, 2003, №4, с.34-38

47. Голомолзин В.Е., Егоров В.П., Серых A.C. Основы компьютерной технологии прогнозирования урановых месторождений.// Российский геофиз. журнал, ВИРГ-Рудгеофизика, 1999, 15-16', с. 18-31

48. Гольдшмидт В.И. Методика прогнозирования на ЭВМ по комплексу геолого-геофизических данных.// Алма-Ата, Междунар. симп. МАМГ, №1, 1985

49. Гольцман Ф.М. Информационно-статистические методы интерпретации геоданных в XX веке, Геофизика, № 1, 1997, с. 3-7

50. Гольцман Ф.М. Комплексирование при распознавании геофизических объектов.// Изв. АН СССР, Физика Земли, 1976,. №7

51. Гольцман Ф.М. Статистические модели интерпретации. М., Наука, 1971, 328с.

52. Гольцман Ф.М. Физический эксперимент и статистические выводы. Л., Изд-во ЛГУ, 1982, 192с.

53. Гольцман Ф.М., Калинин Д.Ф. Группирование сигналов в задачах обнаружения нарушений среды (сейсмическая томография).// Геология и геофизика, Новосибирск; Наука, 1986, №5, с.85-94

54. Гольцман Ф.М., Калинин Д.Ф. Модификация схем обработки данных многократного прослеживания сейсмических волн при оконтуриваниилокальных неоднородностей.// Геология и геофизика, Новосибирск; Наука, 1991, №12, с.119-125

55. Гольцман Ф.М., Калинин Д.Ф., Калинина Т.Б. Компьютерная технология MULTALT многоальтернативной классификации и прогноза по комплексу геоданных.//Российский геофиз. журнал, С.-Пб, ВИРГ-Рудгеофизика, 2000, №17-18', с.64-70

56. Гольцман Ф.М., Калинин Д.Ф., Калинина Т.Б. Некоторые результаты практического использования компьютерной технологии MULTALT в задачах прогноза по комплексу геоданных.// Российский геофиз. журнал, С.-Пб, ВИРГ -Рудгеофизика, 2000, №19 20', с.56 - 61

57. Гольцман Ф.М., Калинина Т.Б. Статистическая интерпретация магнитных и гравитационных аномалий. Л.; Недра, 1983, 248с.

58. Гольцман Ф.М., Калинина Т.Б. Интерактивная интерпретация гравитационных и магнитных полей в условиях априорной неопределенности.// Изв. АН СССР, Физика Земли, 1991, №12

59. Гольцман Ф.М., Калинина Т.Б. Статистическая теория и методы многоальтернативного распознавания геолого-геофизических объектов по комплексу геоданных.// Сб.научн. трудов, ОИФЗ РАН, 1997, с.21

60. Гольцман Ф.М., Калинина Т.Б., Калинин Д.Ф. Статистическая методология построения моделей геолого-геофизических объектов по комплексу геоданных.// Российский геофиз. журнал, С-Петербург, ВИРГ-Рудгеофизика, 1994, №3-4*, с.61-66

61. Гольцман Ф.М., Караев H.A., Калинин Д.Ф. Графоаналитические методы синтеза групп источник-приемник сейсмических сигналов при поискелитологических нарушений.// Геология и геофизика, Новосибирск; Наука, 1987, №7, с.101-110

62. Гольцман Ф.М., Караев H.A., Калинин Д.Ф. Некоторые примеры применения статистического прогнозирования при решении обратных геофизических задач.// В кн. Вопросы динамич. теории распространения сейсмических волн, JL; Наука, 1984, c6.XXIV, с.221-238

63. Гольцман Ф.М., Караев H.A., Калинин Д.Ф. Статистические методы локализации литологических нарушений.// Изв. АН СССР, Физика Земли, 1984, №12, с.53-67

64. Гордин В.М., Бабаева Т.М., Михайлов В.О. О статистической параметризации аномальных геопотенциальных полей.// Геофизический журнал. 1984, т.6, №2, с.55-63

65. Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания. М; Радио и связь, 1985, 165с.

66. Гравиразведка: Справочник геофизика.// Под ред. Е.А.Мудрецовой, К.Е.Веселова, 2-е изд., М.; Недра,, 1990, 607с.

67. Гривко И.Л., Миколаевский Э.Ю. Новые алгоритмы в технологии многомерной интерпретации ПАНГЕЯ.// Геофизика, № 4, 1997, с. 13-19

68. Гринсон A.C. Модель кимберлитообразования по геолого-геофизическим данным.// Геофизика, № 5, 1997, с. 49-54

69. Губерман Ш.А. Использование обучающих программ для решения геологических задач.// В кн. Комплексная интерпретация геологических и геофизических данных на вычислительных машинах, Труды МИНХ и ГП, 1966, вып. 62

70. Девис Дж. Статистика и анализ геологических данных. М., Мир, 1977

71. Демура Г.В., Никитин A.A., Тархов А.Г. Классификация геологических объектов по данным комплекса геофизических методов на принципах самообучения.// Изв. вузов. Геология и разведка, №2, 1974, с.133 -142

72. Денисов С.Б. Построение детальных геологических моделей нефтяных месторождений.// Геофизика, № 1, 1998, с.45-57

73. Диалоговая система геологического прогнозирования минерально-сырьевых ресурсов по данным наземных и космических съемок// Б.А.Чумаченко, В.В.Марченко, Е.П.Власов и др. Исследования Земли из космоса, 1981, №4, с.76-82

74. Долгаль A.C. Компьютерные технологии интерпретации геопотенциальных полей при поисках медно-никелево-платинового оруденения.// Геофизический журнал, 2001, т 23, №2, с. 106-112

75. Долгаль A.C. Компьютерные технологии обработки и интерпретации данных гравиметрической и магнитной съемок в горной местности. Абакан, 2002, 187с.

76. Домбровский A.B., Асламов Ю.В., Горячев Ю.П. Использование опережающей геофизической основы Госгеолкарты-1000/3 для решения задач геолого-съемочного и прогнозно-минерагенического характера. Разведка и охрана недр, М., Недра, 2003, №4, с. 15-20

77. Дородницын A.A. Использование математических методов и ЭВМ в геологических исследованиях//Изв. АН СССР, Сер.геол., 1966, №1, с.21-24

78. Дэвис Дж. С. Статистический анализ данных в геологии.// Пер. с англ. в 2-х кн. под ред. Д.А.Родионова, кн.2, М., Недра, 1990, 427с.

79. Еникеев Б.Н. Системный подход к статистической интерпретации геофизических данных в задачах с априорно известной структуроймногомерных моделей.// Тезисы семинара «Применение математических методов и ЭВМ в геологии», Алма-Ата, 1974, стр. 85-87

80. Еникеев Б.Н. Петрофизика и интерпретация каротажа как составная часть интегрированной интерпретации: некоторые проблемы и перспективы.// Геофизика, № 1, 1998, с. 64-73

81. Жданов М.С., Шрайбман В.И. Корреляционный метод разделения геофизических аномалий. М.; Недра, 1973, 128с.

82. Журавлев Ю.И. Экстремальные алгоритмы в математических моделях для задач распознавания и классификации// Докл. АН СССР, 1976, т.231, №3

83. Задачи диагноза и распознавания в геологии, геохимии и геофизике.// В кн. Геология и математика -под ред. Э.Э.Фотиади, Новосибирск, Наука, 1970

84. Зайченко В.Ю. О понятии термина «Интегрированная интерпретация геофизических данных».//Геофизика, № 1, 1997, с.68-69

85. Иванов А.И., Овсов М.К. Структурный метод обработки геоданных.// Российский геофиз. Журнал, ВИРГ-Рудгеофизика, 1998, 11-12', с.78-87

86. Интегрированная интерпретация геофизических данных.// Геофизика, № 2, 1996, с.3-7

87. Использование обучающейся программы для выявления нефтеносных пластов. / М.М.Бонгард, М.Н.Вайнцвайг, Ш.А Губерман и др.// Геология и геофизика, Новосибирск, Наука, 1966, №6, с.96-105

88. Каждан А.Б. Методологические основы разведки полезных ископаемых. -М, Недра, 1974

89. Каждан А.Б. Поиски и разведка месторождений полезных ископаемых. -М., Недра, 1984, 285с.

90. Каждан А.Б., Гуськов О.И. Математические методы в геологии. М., Недра, 1990, 251с.

91. Калинин Д.Ф. Примеры использования статистических методов локализации крупномасштабных геофизических объектов.// В кн. Методы развед. Геофизики, JL; НПО Рудгеофизика, 1986, с.62-69

92. Калинин Д.Ф. Статистические методы выделения локальных неоднородностей среды по комплексу сейсмических данных.// Автореф. дисс. на соискание уч. ст. канд. физ.-мат. наук: 04.00.12, JL, 1988

93. Калинин Д.Ф. Статистические методы прогнозирования геолого-геофизических объектов.// В кн. Количественный анализ геологических явлений (материалы к Всесоюзной школе «Применение колич. методов в геологии»), Иркутск, 1985, с.127-134

94. Калинин Д.Ф., Калинина Т.Б. Новый подход к использованию статистических ФГМ при прогнозе геологических объектов посредством компьютерной технологии MULTALT.// Геофизика, М., 2004, №5, с.42-45

95. Калинина Т.Б., Калинин Д.Ф. Априорная оценка эффективности решений прогнозных и классификационных задач.// Российский геофиз. журнал, ВИРГ-Рудгеофизика, 2001, №23-24', с.83-88

96. Калинина Т.Б., Калинин Д.Ф. Исследование эффективности решений прогнозно-поисковых задач по комплексу геолого-геофизических наблюдений.// Российский геофиз. журнал, С.-Пб, ВИРГ-Рудгеофизика, 2002, №25-26', с.68-73

97. Калинина Т.Б., Калинин Д.Ф. Компьютерная технология MULTALT для построения моделей сред по комплексу геолого-геофизических данных.// Геофизика, 2003, №4, с.30-36

98. Калинина Т.Б., Калинин Д.Ф. Методика районирования площадей по комплексу геополей с использованием компьютерной технологии MULTALT.// Российский геофиз. журнал, С.-Пб, ВИРГ-Рудгеофизика, 2000, №19-20', с.62-67

99. Калинина Т.Б., Калинин Д.Ф. Статистические методы априорной оценки комплексной эффективности при решении прогнозно-поисковых задач.// Материалы 2-ой Всероссийской конференции «Геофизика и математика», Пермь, ГИ УРО РАН, 2001, с.126-133

100. Кальварская В.П. Системно-структурный подход в геолого-геофизической технологии опробования (на примере магнитного опробования).// Российский геофиз. журнал, С.-Пб.,ВИРГ-Рудгеофизика, 1993, 1

101. Каплун Д.В., Крупнов А.Ю. Технология AEROGRID: архивирование и визуализация материалов комплексных аэрогеофизических съемок.// Тезисы докл. на Международной геофиз. конференции «300 лет горно-геологической службе России», С.-Пб., 2000, с.528-529

102. Каратаев Г.И., Пашкевич И.К. Геолого-математический анализ комплекса геофизических полей. Киев; Наукова думка, 1986, 168с.

103. Каратаев Г.И., Фуре В.К. Нелинейные дисперсионные модели структурной геофизики. Минск, 1997, 94с.

104. Клушин И.Г. Комплексное применение геофизических методов для решения геологических задач. Л., Недра, 1968, 311с.

105. Кобрунов А.И. Информационная модель геофизических исследований.// Геофизика, № 3, 1997, с. 18-26

106. Кожевников В.Н. Архейские зеленокаменные пояса Карельского кратона как аккреционные орогены.// Петрозаводск, Карельский научный центр РАН, 2000, 223с.

107. Количественная оценка прогнозных ресурсов полезных ископаемых с использованием человеко-машинной технологии.// Б.А.Чумаченко, В.В.Марченко, Э.А. Немировский и др. Советская геология, 1983, №8, с.3-11

108. Количественное прогнозирование при региональных металлогенических исследованиях.Методические рекомендации.// Под ред. Д.В.Рунквиста, JL, ВСЕГЕИ, 1979

109. Комплексирование методов разведочной геофизики. Справочник геофизика.// Под ред. В.В.Бродового, А.А.Никитина. М, Недра, 1984, 384с.

110. Комплексная интерпретация геологических и геофизических данных на вычислительных машинах.// Под ред. Ш.А.Губермана, М.; Недра, 1966

111. Константинов Г.Н. Математическое моделирование при решении поисково-разведочных задач на железо.// Математическое и физическое моделирование железорудных месторождений и рудных полей, Новосибирск: СНИИГиМС, 1983, с.18-33

112. Контарович P.C., Цыганов В.А. Проблемы и перспективы развития геофизических технологий при поисках коренных месторождений алмазов.// Геофизика, 2000. №4. с.52-57

113. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров.// М., Наука, 1973, 832с.

114. Коц В.Г. Интегрированная интерпретация геолого-геофизических данных на основе методик многомерного статистического анализа в региональных и поисковых геологоразведочных работах на нефть и газ.// Тезисы докл. на

115. Международной геофнз. конференции «300 лет горно-геологической службе России», С.-Пб., 2000, с.535-537

116. Кошкарев A.B., Каракин В.П. Региональные геоинформационные системы. -М., Недра, 1987,126с.

117. Крамбейн У., Грейбилл Ф. Статистические модели в геологии. М., Мир, 1969,397с.

118. Критерии прогнозной оценки территорий на твердые полезные ископаемые.// Под ред. Д.В.Рунквиста, Л., Недра, 1978

119. Крылов Д.Н. Построение емкостных моделей геосреды по комплексу данных сейсморазведки и ГИС и их геологическая интерпретация.// Автореферат дисс. на соискание уч.ст. д-ра техн.наук:04.00.12, М., 1994, 40с.

120. Кунин Н.Я. Комплексирование геофизических методов при геологических исследованиях. М., Недра, 1972, 312с.139, Кушнир Г.С., Северова Е.И. Компьютерные технологии в геологии и геофизике. М., 1996, 311с.

121. Лаптев В.В. Российский научно-технический комплекс ГИС: состояние и перспективы.// Геофизика, 2000, №4, с.3-8

122. Леман Э. Проверка статистических гипотез.- М., Наука, 1964, 498с.

123. Логачев A.A. Магниторазведка. Л.; Недра, 1973

124. Ломакин А.Б. Петрофизическое картирование слабоконтрасных сред и прогноз месторождений полезных ископаемых.// СПб: изд-во С.-Петерб. унив-та, 1998, 144с.

125. Ломакин А.Б., Ломтадзе В.В. К методике картирования слабоконтрастных геологических сред.// Геофизика, № 5-6, 1996, с.65-69

126. Ломтадзе В.В. Новые возможности способа эквивалентных призм при интерпретации аномалий силы тяжести.// Прикладная геофизика. М.; Недра, 1985, вып. 113, с.85-92

127. Ломтадзе В.В. Программное обеспечение обработки геофизических данных. Л.; Недра, 1982, 280с.

128. Магниторазведка: Справочник геофизика.// Под ред. Б.Е.Никитского, Ю.С.Глебовского, 2-е изд., М.; Недра, 1990, 470с.

129. Малинина С.С. Компьютерная технология комплексного анализа и интерпретации геолого-геофизических данных на региональных профилях.// Автореферат дисс. на соискание уч.ст. канд. техн. наук: 25.00.35, М., 2002, 26с.

130. Марченко В.В. Преобразование картографической информации в дискретный вид, пригодный для человеко-машинного анализа.// Изв. АН СССР, сер.Геол., 1988, №5, с. 11-15

131. Марченко В.В. Человеко-машинные методы геологического прогнозирования. М., Недра, 1988, 232с.

132. Марченко В.В. Человеко-машинный анализ карт геологического содержания.// Советская геология, 1982, №7, с.13-26

133. Марьянчик Е.Б. Автоматическое выделение и оконтуривание нефтегазоперспективных объектов по комплексу геофизических признаков в системе КОМПАК-ГЕОКОМПАС.// Автореферат дисс. на соискание уч.ст. канд.техн.наук: 04.00.12, М., 1997, 24с.

134. Математические проблемы геофизики.// Сб.научн. трудов под ред. М.М.Лаврентьева и А.С.Алексеева, Новосибирск, СО АН СССР, выч.центр, 1974

135. Матерон Ж. Основы прикладной геостатистики. М., Мир, 1968

136. Межеловский Н.В. Интенсификация регионального геологического прогнозирования изучения территории СССР; проблемы методологии управления: Обзор М., Изд. ОНТИ ВИЭМС, 1987

137. Методическое руководство по определению физических свойств горных пород и полезных ископаемых.// Под ред. Н.Б.Дортман и М.Л.Озерской, М., Госгеолтехиздат, 1962, 458с.

138. Миллер Р.Л., Кан Дж.С. Статистический анализ в геологических науках.// Пер. с англ. Д.А.Родионова, М.; Мир, 1965

139. Михайлов Г.Н., Кальварская В.П., Савицкий А.П. Методы рудной геофизики и геохимии при поисках углеводородов.// Геофизика, № 2, 1995, с.43-46

140. Могильницкий М.И. Комплексы оперативной обработки геофизических данных.// Автореферат дисс. на соискание уч.ст. д-ра техн. наук (в форме науч.доклада), Новосибирск, 1991, 53с.

141. Никитин A.A. Комплексная интерпретация геофизических полей при изучении глубинного строения Земли.// Геофизика, № 4, 1997, с.3-12

142. Никитин A.A. Статистическая теория выделения слабоконтрастных объектов в геофизических полях.// Изв. РАН, Физика Земли, №7, 1995, с.40-50

143. Никитин A.A. Статистические методы выделения геофизических аномалий. М., Недра, 1979, 280с.

144. Никитин A.A. Теоретические основы обработки геофизической информации.// М., Недра, 1986, 342с.

145. Новоселицкий В.М., Маргулис A.C. Эффективная плотность слоистых сред-комплексная трансформанта.// Материалы семинара «Автоматизация приемов обработки геофиз. информации при поисках нефти и газа», Пермь,1986, с.8-9

146. Овсов М.К., Иванов А.И. Применение методов распознавания и аналогии с целью прогноза и поисков полезных ископаемых.// Российский геофиз. журнал, ВИРГ-Рудгеофизика, 1999, 15-16', с.36-42

147. Опыт применения автоматизированной системы СКИД при поисках и прогнозировании месторождений полезных ископаемых.// Сб. научн. тр. -Новосибирск, СНИИГГиМС, 1984, 106с.

148. Опыт системного анализа при прогнозах и поисках оловянного оруденения.// Л.М.Натапов, Ю.Н.Спомиор, Б.А.Чумаченко и др. Советская геология, 1983, №8, с.3-11

149. Особенности структуры центральной части рудного поля Печенги и перспективы поисков медно-никелевого оруденения.// A.A. Предовский, В.Г. Загородный и др. В кн. Материалы по геологии и металлогении Кольского полуострова, вып. 2, Апатиты, 1971, с.54-59

150. Пангея 10 лет (ЗАО).// Геофизика, спец. выпуск, М.,2004

151. Пашко В.П., Старостенко В.И. Интерактивные системы и автоматическое построение карт в геофизике (по материалам зарубежных публикаций).// Регион., развед. и промысл, геофизика, М.; ВИЭМС, 1983, 67с.

152. Пашко В.П., Старостенко В.И. Методы решения прямых и обратных задач гравиметрии и магнитометрии на ЭВМ (по материалам зарубежных публикаций).// Регион., развед. и промысл, геофизика, М.; ВИЭМС, 1982, 93с.

153. Петров A.B. Методы многомерного дисперсионного анализа в алгоритмах комплексной интерпретации геофизических наблюдений.// Геофизика, № 1, 1996, с. 19-22

154. Петров A.B. Распознавание комплексных геофизических аномалий.// Геофизика и математика. Материалы 1-й Всероссийской конференции, М., ОИФЗ РАН, 1999, с. 119-122

155. Петров A.B., Никитин A.A. Многомерные аналоги способов обратных вероятностей и самонастраивающейся фильтрации.// Изв. ВУЗов, Геология и разведка, 1989, №2, с.82-87

156. Питулько В.М., Крицук И.Н. Основы интерпретации данных поисковой геохимии.- Л., Недра, 1990, 336с.

157. Поляков Е.Е., Фельдман А.Я. Сопоставление автоматизированных систем обработки и интерпретации данных ГИС.// Геофизика, № 5-6, 1996, с.33-40

158. Прикладная статистика: Классификация и снижение размерности. Справ.изд.// С.А.Айвазян, В.М.Бухштабер и др. М., Финансы и статистика, 1989, 608с.

159. Прохоров Ю.В., Родионов Д.А. Формальная постановка задачи геологического прогнозирования.// Математические методы при прогнозировании рудоносности. -М., 1977, с. 17-23

160. Пугачев B.C. Теория вероятностей и математическая статистика. М., Наука, 1979, 496с.

161. Пугачев B.C. Теория случайных функций и ее применение в задачах автоматического управления. М.; Физматгиз, 1962, 884с.

162. Pao С.Р. Линейные статистические методы и их применение. М., 1968, 547с.

163. Решение геолого-прогнозных задач с применением ЭВМ.// В.В.Веселов, А.М.Гинатулин, А.Н.Кленчин и др. М., Недра, 1988

164. Родионов Д.А. Статистические методы разграничения геологических объектов по комплексу признаков. М., Недра, 1968, 158с.

165. Родионов Д.А. Статистические решения в геологии. М, Недра, 1981, 231с.

166. Рысс Ю.С., Черфас М.А. О тактике использования геофизических и физико-химических методов при поисках полезных ископаемых.// Рос.геофиз.журнал, ВИРГ-Рудгеофизика, 1999, 13-14'

167. Савинский И.Д. Программные системы обработки и интерпретации гравитационных и магнитных данных.// Геофизика, № 1, 1995, с.24-31

168. Савостьянов H.A., Шнурман Г.А., Поздняков В.Ф. Сравнительный анализ эффективности отечественного и зарубежного комплексов геофизических исследований скважин при изучении сложных карбонатных коллекторов.// Геофизика, № 4, 1994, с. 15-28

169. Салов В.М., Сухов Л.Г. К проблеме интерпретации аэромагнитных данных для прогноза никеленосности в условиях развития трапповой формации.// Геология и геофизика, №10, 1982, с.138-142

170. Сапунков A.A. Технология автоматизированного формирования территориальных банков комплексных геологических данных. М., ОНТИ ВИЭМС, 1985,вып.3,с.12

171. Семин Ю.А. Геофизические характеристики медно-никелевых месторождений, связанных с трапповыми формациями.// Региональная и морская геофизика: геофиз. методы поисков и разведки месторождений полезных ископаемых, М., ВИЭМС, 1990, 48с.

172. Скороспелкин С.А., Иванов А.И., Овсов М.К. Прогнозная оценка алмазоносности северо-запада России с применением компьютерных технологий.// Разведка и охрана недр, 1999, №9-10

173. Смилевец Н.П. Комплексирование геофизических полей на основе их адекватного представления в едином координатном пространстве.// Автореферат дисс. на соискание уч.ст. д-ра техн. наук: 04.00.12, М., 1999, 40с.

174. Соловьев Г. А. Петрофизическая характеристика эндогенных месторождений. М., Недра, 161с.

175. Справочник по математическим методам в геологии.// Д.А.Родионов, Р.И.Коган, В.А.Голубева и др. М., Недра, 1987

176. Статистическая интерпретация геофизических данных.// Под ред. Ф.М.Гольцмана Л., Изд-во ЛГУ, 1981, 256с.

177. Стохастические модели в морфоструктурном анализе. М.; Недра, 1985, 152с.

178. Страхов В.Н. Геофизика и математика. Методологические основы математической геофизики.//Геофизика, №1, 2000, с.3-18

179. Страхов В.Н. Основные направления теории и методологии интерпретации геофизических данных на рубеже XXI столетия. Части 1,11.// Геофизика, 1995, №3: с.9-18, №4: с. 10-20

180. Страхов В.Н. От вычислительной геофизики к геофизической кибернетике.// Изв. ВУЗов. Геология и разведка, 1977, №5, с. 110-119

181. Страхов В.Н. Три парадигмы в теории и практике интерпретации потенциальных полей (анализ прошлого и прогноз будущего).- М., ОИФЗ РАН, 1999, 78с.

182. Судаков В.Н., Халфин Л.А. Статистический подход к корректности задач математической физики.// ДАН СССР, т. 151, 1964, №5

183. Тархов А.Г., Бондаренко В.М., Никитин A.A. Комплексирование геофизических методов. М., Недра, 1982, 295с.

184. Технология создания и использования баз геофизических данных.// В.В.Ломтадзе, Г.Г.Шаталов, В.В.Бородаченко, В.П.Горностаев. Алгоритмы и программы. М., ОНТИ ВИЭМС, 1988, вып.1 (105), с. 130-136

185. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М., 1974, 284с.

186. Трошков Г.А., Грознова A.A. Математические методы интерпретации магнитных аномалий.//М., Недра, 1985, 151с.

187. Троян В.Н., Киселев Ю.В. Статистические методы обработки и интерпретации геофизических данных.// Учебник, СПб, 2000, 578с.

188. Физические свойства горных пород и полезных ископаемых: Справочник геофизика.// Под ред. Н.Б.Дортман. М., Недра, 1976, 527с.

189. Филимонов В.В. Комплексные аэрогеофизические исследования.// Геофизика, № 2, 1999, с.6-7

190. Филькенштейн М.Я., Деев К.В. ГИС INTEGRO-инструмент для создания прикладных технологий в природопользовании.// Геоинформатика, №3, изд. ВНИИгеосистем, М., 1999, с.22-24

191. Формирование физико-геологических моделей с целью поисков месторождений твердых полезных ископаемых.// Г.С.Вахромеев,

192. A.Ю.Давыденко, В.В.Бродовой и др. Труды XXX Международного геофизического симпозиума, М., 1985, часть 2, с. 122-131

193. Фукс А.Б., Ломтадзе В.В., Макарчик H.A. Прогноз продуктивности скважин по данным ГИС, керна и гидродинамических исследований.// Геофизика, № 1, 1997, с.33-40

194. Халфин JI.A. Информационная теория интерпретации геофизических исследований.// Докл. АН СССР, 1958, т. 122, №6, с.1007-1010

195. Харченко А.Г. Принципы и методы прогнозирования минеральных ресурсов. М., Недра, 1987

196. Худсон Д. Статистика для физиков. М., 1970, 276с.

197. Цирульский A.B., Никонова Ф.И., Федорова Н.В. Метод интерпретации гравитационных и магнитных аномалий с построением эквивалентных семейств решений.// Свердловск, изд. ин-та геофизики АН СССР, 1980, 135с.

198. Человеко-машинная система «Регион», проблемно-ориентированная на решение задач прогнозирования минерально-сырьевых ресурсов.//

199. B.В.Марченко, Е.П.Власов, В.А.Яковлев, Э.А.Немировский. Управлениеперспективным развитием топливно-энергетического комплекса стран членов СЭВ, М., Секретариат СЭВ, МНИИПУ, 1982, с.211-223

200. Чумаченко Б.А., Власов В.П., Марченко В.В. Системный анализ при геологической оценке перспектив рудоносности территории. М., Недра, 1980

201. Чумаченко Б.А., Марченко В.В., Немировский Э.А. «Регион-Скандинг» -система прогнозирования минерально-сырьевых ресурсов. М., МНИИПУ, 1988

202. Чуринова И.М., Тихонов В.Б., Скрипникова Г.В., Шпикалов Ю.А., Медведев А. И. Интегрированная система ГЕММА обобщение программных комплексов ЦГЭ для интерпретации данных скважинной и полевой геофизики.//Геофизика, № 1, 1998, с.37-44

203. Шарков М.В. Петрология расслоенных интрузий. -Л., Наука, 1980, 183с.

204. Шванов Ю.А., Хайкович И.М., Элькинд И.Л. Программное обеспечение геофизических исследований скважин на рудных месторождениях.// Тезисы докл. на Международной геофиз. конференции «300 лет горно-геологической службе России», С.-Пб., 2000, с.556

205. Шрайбман В.И., Жданов B.C., Витвицкий О.В. Корреляционные методы преобразования и интерпретации геофизических аномалий. М., Недра, 1977, 137с.

206. Щекин С.H., Нежданов А.А., Туренков Н.А., Миколаевский Э.Ю. Новые методики комплексирования геофизических методов в системе ПАНГЕЯ для прогноза нефтегазоносности.// Геофизика, № 6, 1998, с. 18-26

207. Яковлев В.А. Программное обеспечение системы «Регион».// Человеко-машинная информационно-прогнозирующая система АИПС/Регион. М., МНИИПУ, 1980, с.24-52

208. Ali К., Horsfall С., Lister R. Towards knowledge-based identification of mineral mixtures from reflectance spectra.// Knowledge-Based Systems, vol. 2, issue 1, 1989, p.5-13

209. Bernhardsen T. Geographic Information Systems. Join Wiley & Sons, 1992, 318pp.

210. Chasseriau P., Chouteau M. 3D gravity inversion using a model of parameter covariance.// Journal of Applied Geophysics, vol.52, issue 1, 2003, p.59-74

211. DeMers M. Fundamentals of Geographic Information Systems. Join Wiley & Sons, 1996, 320pp.

212. Fullagar P.K., Zhou B.-Z., Fallon G.N. Automated interpretation of geophysical borehole logs for orebody delineation and grade estimation.// Mineral Resources Engineering, vol.8, №3, World Scientific, 1999, p.269-284

213. Garrett R., Leymarie P. Report on Workshop 2: Data processing.// Journal of Geochemical Exploration, vol.32, issues 1-3, 1989, p.477-483

214. Geotechnical, pipeline projects require sound, creative engineering.// Offshore, vol. 63, issue 5, 2003, p. 140

215. Gitis V., Jurkov E., Osher В., Pirogov S.,Vainchtok A. Information technology for forecasting geological processes and phenomena.// Artificial Intelligence in Engineering, vol.11, issue 1, 1997, p.41-48

216. H.Ranjbar, H.Hassanzadeh, M.Torabi and O.Ilaghi Integration and analysis of airborne geophysical data of the Darrehzar area, Kerman Province, Iran, using principal component analysis.// Journal of Applied Geophysics, vol. 48, issue 1, 2001, p.33-41

217. Hartley F. New integration platform.// Offshore, vol. 64, issue 5, 2004, p. 18

218. Hirsch L.M., Schuette J.F. Graph theory applications to continuity and ranking in geologic models.// Computers & Geosciences, vol. 25, issue 2, 1999, p. 127-139

219. Kaminsky F.V., Feldman A.A., Varlamov V.A., Boyko A.N., Olofinsky L.N., Shofman I.L., Vaganov V.l. Prognostication of primary diamond deposits.// Journal of Geochemical Exploration, vol. 53, issues 1-3, 1995, p. 167-182

220. Kirkham R.V., Sinclair W.D., Thorre, R.I., Duke J.M. Mineral deposits modeling.// Geological Association of Canada, Special paper, 40, 1995, 700 pp.

221. Kovalevsky E.V., Kharchenko V.l. Integrated interpretation of marine engineering geological and geophysical data on the principles of expert system technology.// Geophysical Prospecting, №8, 1992, p.909-923

222. Macnae J. Applications of geophysics for the detection and exploration of kimberlites and lamproites.// Journal of Geochemical Exploration, vol.53, issues 1-3, 1995, p.213-243

223. New Products.// World Oil, 2004, vol. 225, issue 6, p.69

224. Product review.// First Break, vol. 17, № 3, 1999, p.3-11

225. Schmidt V. Landmark's OpenExplorer.// Offshore, 1998, vol. 58, issue 4, p.30

226. Schmidt V. New technology at SEG meeting.// Offshore, 2001, vol. 61, issue 10, p.26

227. Schnabel W. GEOKART-benutzer Handbuch.// Geologishe Bundesanstalt, Wien, 1984, s.82

Информация о работе

Калинин, Дмитрий Федорович
доктора технических наук
Москва, 2005
ВАК 25.00.35

Диссертация

Компьютерная технология статистической многоальтернативной комплексной интерпретации для решения прогнозно-поисковых задач рудной геофизики - тема диссертации по наукам о земле, скачайте бесплатно

Автореферат

Похожие работы