Бесплатный автореферат и диссертация по наукам о земле на тему

Методика и геоинформационная технология прогнозирования рудных объектов на основе банка эталонных моделей

ВАК РФ 25.00.35, Геоинформатика

Автореферат диссертации по теме "Методика и геоинформационная технология прогнозирования рудных объектов на основе банка эталонных моделей"

На правах рукописи

□□305ВТЭ8

КИРПИЧЕВА Елена Юрьевна

МЕТОДИКА И ГЕОИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПРОГНОЗИРОВАНИЯ РУДНЫХ ОБЪЕКТОВ НА ОСНОВЕ БАНКА ЭТАЛОННЫХ МОДЕЛЕЙ

Специальность 25.00.35 - Геоинформатика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва, 2007 г.

003056798

Работа выполнена в Федеральном государственном унитарном предприятии Государственном научном центре Российской Федерации -Всероссийском научно-исследовательском институте геологических, геофизических и геохимических систем Федерального агентства по недропользованию (ФГУП ГНЦ РФ ВНИИгеосистем)

Научный руководитель: Финкелыптейн Михаил Янкелевич,

доктор технических наук

Официальные оппоненты: Марченко Вячеслав Васильевич,

профессор,

доктор геолого-минералогических наук

Васильев кандидат

Сергей Павлович, технических наук

Ведущая организация:

Центральный научно-исследовательский геологоразведочный институт цветных и благородных металлов (ЦНИГРИ)

Защита диссертации состоится 26 апреля 2007 г. в 14 часов на заседании дис-

при Всероссийском научно-

сертационного совета Д.216.011.01 исследовательском институте геологических, геофизических и геохимических систем по адресу: 117105, г. Москва, Варшавское шоссе, д. 8, конференц-зал.

С диссертацией можно ознакомиться в библиотеке ВНИИгеосистем.

Автореферат разослан « и » Моргав 2007 г.

Ученый секретарь диссертационного совета, доктор геолого-минералогических наук

Муравьёв В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Наращивание объемов и совершенствование структуры минерально-сырьевой базы является аюуальной задачей стимулирования экономического развития любой страны. В последние годы наблюдается резкое несоответствие между темпами разработки различных месторождений и приростом их прогнозных ресурсов и запасов. Одним из путей решения этой проблемы является использование современных методов и программных средств геоинформатики для повышения эффективности прогнозно-оценочных работ и геолого-экономической оценки рудных объектов различных системных уровней.

Особенностью применения геоинформационных технологий в геологических исследованиях является обеспечение ввода, контроля, хранения, отображения, преобразования, синтеза, анализа и интерпретации координатно-привязанных данных. Специализированные геоинформационные системы (ГИС) могут обеспечивать также создание многопараметрических моделей, решение многокритериальных задач оптимизации, задач геопрогноза по комплексу разнородных данных, подсчет запасов и др.

Формирование геолого-прогнозной модели является наиболее наукоемким и трудоемким этапом в схеме постановки задач геологического прогнозирования, поскольку описание предметной области слабоформализованно, а методы прогнозирования в основном построены на принципе аналогии объекта исследования с эталоном. Одним из путей формирования модели является структурирование геоинформации на основе детального анализа и агрегирования геологической и формальной баз знаний об эталонных объектах.

Способом агрегирования геологических знаний является разработка банка моделей изученных разноранговых металлогенических объектов, описанных множеством поисковых признаков.

Всем этим определяется актуальность разработки унифицированной интерактивной геоинформационной технологии прогноза перспективных участков недр, основанной на использовании прогнозно-поисковых моделей эталонных объектов.

Цель работы

Разработка методики и геоинформационной технологии прогнозирования рудных объектов на основе банка эталонных моделей.

Задачи исследования

1. Создание методики и геоинформационной технологии формирования геолого-прогнозной модели объекта поиска на основе прогнозно-поисковых комплексов, содержащихся в банке моделей эталонных объектов.

2. Разработка способа расчета коэффициента подобия перспективного участка эталону для оценки прогнозных ресурсов.

3. Апробация методики и программно-технологического обеспечения на задачах выделения и оценки прогнозных ресурсов рудных объектов.

Научная новизна

1. Впервые разработана методика формулирования и формализации геолого-прогнозной модели объекта поиска на основе банка моделей эталонных разноран-говых металлогенических объектов.

2. Разработан способ определения коэффициента подобия и предложено его использование при оценке прогнозных ресурсов перспективных участков, что обеспечивает формализованную процедуру путем вычисления меры сходства между объектом поиска и эталоном в системе их поисковых признаков.

3. Создана более совершенная геоинформационная технология решения прогнозных задач за счет интеграции банка эталонных моделей в ГИС среду, разработки блоков автоматизации процесса формирования геолого-прогнозной модели объекта поиска и оценки прогнозных ресурсов перспективных участков.

Практическая значимость работы

1. Предложена геоинформационная компьютерная технология формирования геолого-прогнозной модели объекта поиска на основе эталонных моделей рудных объектов, позволяющая учитывать накопленные геологические знания.

2. Разработан формализованный способ и программная реализация блока оценки прогнозных ресурсов перспективных участков.

3. Произведено успешное опробование геоинформационной технологии при решении задач выделения рудных полей и оценки их прогнозных ресурсов двух геолого-промышленных типов на территории Енисейского кряжа.

Защищаемые положения

1. Методика формулирования и формализации геолого-прогнозной модели на основе базы экспертных геологических знаний об эталонных объектах, заключающаяся в определении прогнозно-поисковых признаков в терминах легенды карты исследуемой территории и выборе способов расчета их числовых характеристик, обосновывает признаковое пространство для эффективного решения задачи автоматизированного прогноза разноранговых металлогенических объектов.

2. Определение коэффициента подобия перспективного участка эталонному объекту через меру сходства между ними составляет основу формализованной процедуры оценки прогнозных ресурсов.

3. Геоинформационная технология, включающая блок формирования геолого-прогнозной модели объекта поиска и блок оценки прогнозных ресурсов на основе коэффициента подобия, в сочетании с интерактивным интерфейсом, ориентированном на эксперта-геолога, позволяет оперативно осуществлять компьютерное прогнозирование твердых полезных ископаемых с использованием знаний, накопленных в банке эталонных моделей.

Реализация и апробация работы

Разработанная в диссертации геоинформационная технология апробирована на решении задач комплексного прогнозирования свинцово-цинковых рудных полей двух геолого-промышленных типов на территории Енисейского кряжа. В результате выделены рудные поля и определен их ресурсный потенциал, в значительной мере соответствующий представлениям о металлогении данного района. Полученные результаты оценки перспективности рудных полей Ангарского рудного района существенно расширяют территории, богатые свинцово-цинковыми рудами. Перспективный участок, выделенный в центре Ангарского рудного района является потенциальным рудным полем, ранее не выделявшимся на данной территории. Таким образом, результаты исследований подтверждают эффективность прогнозно-металлогенических работ, выполненных на основе разработанной технологии.

Основные положения и результаты работы докладывались и обсуждались на конференциях: XXXI Международной конференции «Информационные технологии в науке, образовании, бизнесе», Гурзуф, 2004; Международном геологическом конгрессе «ГЕО-Сибирь-2006», Новосибирск, 2006; научно-практической конференции «Прогноз, поиски, оценка рудных и нерудных месторождений на основе их комплексных моделей - достижения и перспективы», Москва, 2006; XIII форуме «Рынок геоинформатики в России. Современное состояние и перспективы развития», Москва, 2006; 5- European Congress on Regional Geoscientific Cartography and Information Systems earth and Water, Barcelona-Catalonia, 2006; Международной школе «ГИС-технологии в муниципальном управлении и природопользовании», Дубна, 2006.

Публикации и личный вклад автора в решение проблемы

Диссертация основана на методических и технологических исследованиях, выполненных автором в период с 2001 по 2007 г. Основные методические, технологические и практические результаты получены непосредственно диссертантом. Автором разработаны методические и программно-технологические основы постановки и решения геолого-прогнозных задач на основе банка эталонных рудных объектов.

Всего по теме диссертации опубликовано 7 работ, в том числе 2 статьи в журнале «Геоинформатика» - ведущем рецензируемом научном журнале, рекомендованном ВАК Министерства образования и науки РФ.

Объем и структура работы

Диссертация состоит из введения, четырех глав и заключения, изложенных на 103 страницах машинописного текста; содержит 21 рисунок, 23 таблицы, список использованных источников из 68 наименований.

Диссертация выполнена под научным руководством д.т.н. Финкель-штейна М.Я., которому автор выражает глубокую признательность, а также искренне благодарит д.т.н., профессора Черемисину E.H., к.г.-м.н. Кузнецова В.В., к.т.н. Митракову О.В. за консультации и помощь в работе.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследования, поставлены ее цель и задачи, сформулированы достигнутые научные и практические результаты, приводится краткое содержание диссертации по главам.

В первой главе проведен анализ современного состояния и перспектив развития ГИС-технологий для решения задач недропользования.

В разделе 1.1. приведены основные тенденции развития современных ГИС-технологий. На протяжении более чем полувековой истории развития географических информационных систем происходило постоянное увеличение количества их пользователей. Связано это как с удешевлением аппаратного и программного обеспечения, так и с расширением классов задач, решаемых с их помощью.

Сегодня выделяются три класса задач, решаемых средствами ГИС. При решении задач учетно-инвентаризационнош класса акцент делается на данных и измерениях. Также ГИС очень часто используются как средство под держки принятия решений. Третий класс задач - задачи моделирования и анализа данных.

Анализ рынка ГИС в России и за рубежом показал, что наибольшее внимание уделяется развитию ГИС общего назначения, ориентированных на разработку информационно-справочных систем, позволяющих решать задачи учетно-инвентаризационного класса. Это объясняется продолжающимся активным накоплением цифровых пространственных данных. Наиболее известными ГИС-системами общего назначения являются ArcGIS, Arclnfo и Mapinfo. Для этих систем не имеет существенного значения предметная область, в которой они используются.

Другой класс ГИС - специализированные, жестко привязанные к предметной области. Развитие этого класса систем представляется наиболее перспективным при поддержке принятия управленческих решений, а также при решении задач анализа данных и моделирования.

В разделе 1.2. проведен анализ ГИС-технологий, применяемых для решения геологических задач.

Особенностью применения информационных компьютерных технологий в науках о Земле, в т.ч. в геологических исследованиях, является возможность создания достаточно сложных многопараметрических моделей, содержащих в себе пространственную и аналитическую информацию, критерии, правила и константы.

Геоинформационные системы сегодня используются в производственном режиме в процессе геологосъемочных работ, при обработке геологических, геофи-

зических и геохимических данных, в ходе изучения перспективных участков недр и представляют сложный синтез геоинформационных (GeoGraph, Arc Info, Arc-View, Maplnfo), экспертных (Генезис, Россыпь, Геокомпас и др.), гибридных (Парк, Интегро, SynArc) технологий, различных графических и текстовых редакторов, векторизаторов и вьюеров, а также систем, предназначенных для решения специализированных геологических задач (Пангея, Коскад, ПСМ, Квантиль-1, Datamine, GoldDigger и др.).

Задачи прогноза полезных ископаемых, оценки их прогнозных ресурсов и подсчета запасов выделяются из общего списка задач. Во-первых, это наиболее актуальные задачи для отрасли, во-вторых, решение их связано с обработкой широкого спектра информации, в том числе и картографической, сложностью и неоднозначностью построения и интерпретации геолого-прогнозной модели объекта исследования, многокрптериальносгью и др.

Для решения таких задач актуальным является развитие гибридных ГИС, представляющих собой синтез геионформационных и экспертных систем (ГИЭС). Доказанная практикой возможность включения интеллектуальных подсистем в структуру ГИС придает им новое качество - способность интерпретировать пространственные данные, т. е. осуществлять переход из исходной системы понятий в систему понятий, выражаемых в терминах целевого свойства.

Общие требования к гибридным ГИС-технологиям: обеспечение ввода, контроля, хранения и отображения геологических данных; преобразование, синтез, анализ и интерпретация координатно-привязанных данных; моделирование и распознавание природных объектов; прогноз картографируемых ситуаций, в том числе полезных ископаемых. При этом исходной информацией являются всевозможные карты качественных и количественных характеристик территории, схемы дешифрирования и интерпретации геофизических данных, цифровые массивы данных геофизических и геохимических съемок, аэро- и космоснимки, фотографии и текстовые описания объектов. Таким образом, ГИЭС обладают характерными для инструментальных ГИС возможностями оперирования пространственными данными, а также имеют средства решения собственно геологических задач по комплексу разнородных данных в сочетании с экспертными знаниями специалистов.

В диссертации проведен обзор ГИЭС, специализированных на решение задач геологического прогнозирования, которые были рассмотрены с позиций их функциональности, степени открытости, требований к аппаратному обеспечению. Анализ показал, что эти системы на сегодняшний день обеспечивают эффективную автоматизацию постановки и решения геолого-прогнозных задач. В них отсутствуют программные средства автоматизированного формулирования и формализации геолого-прогнозных задач, мето-дико-технологические и программные средства решения задачи оценки прогнозных ресурсов полезных ископаемых. В результате анализа предпочтение

было отдано ГИС ИНТЕГРО, как специализированной системе, обладающей набором алгоритмов, обеспечивающих решение прогнозных задач.

Раздел 1.3. посвящен обзору систем накопления и структуризации геологической информации. В результате активной автоматизации и компьютеризации в геологии накоплены большие массивы информации, в том числе картографической, структурирование, дешефрирование и агрегирование которой и должно явиться информационной основой для решения специализированных задач. Геологические задачи специфичны и слабоформализуемы, поэтому неполное использование теоретических знаний и практического опыта специалистов на всех этапах процесса геологического прогнозирования является недостатком всех компьютерных технологий. Интерес представляют компьютерные технологии, содержащие экспертные знания. Основой таких технологий должны являться базы и банки геологических знаний.

Для решения задач прогноза наибольшую значимость имеют банки моделей эталонных рудных объектов разных металлогенических рангов и геолого-промышленных типов, которые являются основой современной информационной технологии выделения и оценки прогнозных ресурсов новых перспективных объектов, рекомендуемых для постановки геолого-съемочных, прогнозно-поисковых и поисково-оценочных работ.

С целью решения указанных выше задач совместно специалистами двух институтов ЦНИГРИ и ВНИИгеосистем был разработан и реализован компьютерный банк моделей металлогенических зон, рудных районов, полей и месторождений цветных и благородных металлов. Банк моделей включает поисковые признаки, необходимые для выделения разноранговых металлогенических объектов, формируется на основе рудно-формационных исследований и базируется на анализе и систематизации фактического материала по закономерностям размещения месторождений полезных ископаемых разных рудно-формационных типов в различных геотектонических обстановках.

Таким образом, на основе результатов обзора и анализа современного состояния и перспектив развития ГИС-технологий для решения задач геологического прогнозирования можно сделать следующие выводы:

1. Одной их наиболее важных проблем компьютерного прогнозирования геологических объектов является отсутствие технологии построения геолош-прогнозных моделей объектов поиска.

2. Созданный на основании работ ученых ЦНИГРИ банк эталонных рудных объектов цветных и благородных металлов может стать информационной и теоретической основой построения более совершенной методики геологического прогнозирования с учетом последних достижений геоинформатики.

3. Компьютерная технология геологического прогнозирования на основе банка моделей эталонных объектов может быть создана на методико-технологической базе ГИС ИНТЕГРО и являться ее дальнейшим развитием.

Вторая глава посвящена методике постановки и решения геолого-прогнозных задач.

В разделе 2.1. излагаются методологические и информационные основы методики формулирования и формализации геолого-прогнозной модели.

Методологической основой разрабатываемой методики является общая схема постановки и решения геолого-прогнозных задач в природопользовании (см. рис. 1), разработанная Ю.А. Ворониным, E.H. Черемисиной и др. Данная схема реализуется в ГИС ИНТЕГРО, однако этапы формулирования и формализации геолого-прогнозной модели не имеют технологической и программной поддержки в этой системе.

Формулирование гаол его-прогнозной задачи

f\

Формализация ( w геол ого- прогнозной CÜ, задачи I

Анализ данных и выбор метода решения задачи

Фор мутирование геолого-прогнозной модели

Формулирование ! цегм I Формализация цели

1 |

Описание исходных данных Формализация геолого-прогнозной модели

Формулирование результата

Формулирование требований крезугътату

Расчет прогнозных характеристики создание цифровой модели данных

Согласование результата с цепью

Формализация требований к резухътату

Анализ и визуализация с целью определения качества данных и юрректировки цифровой модели

Анализ и трансформация данных

Выбор метода решения задачи

Решение задачи

j

i*i

Анализ и интерпретация результатов

Формальный анализ результатов с тенки зрения требований к результату

Согласование результатов с геологической моделью

Принятие решений о дальнейшем использовании результатов

Рис. 1. Общая схема постановки и решения геолого-прогнозных задан

В ЦНИГРИ на базе многолетних исследований прогнозно-поисковых комплексов металлогенических объектов разработан банк эталонных моделей рудных объектов различных рангов: металлогенических зон, рудных районов, полей и месторождений. Эти объекты относятся к разным группам цветных и благородных металлов и геолого-промышленным типам. Модели, входящие в банк, основываются на прогнозно-поисковых комплексах, разработанных в ЦНИГРИ под руководством А.И. Кривцова.

Все модели строятся по единому принципу и содержат следующие группы поисковых признаков: формационные; фациальные; литолого-петрографические; струюурно-текгонические; рудноформационные; минералого-геохимические; щдротермально-метасоматические; геофизические; дистанционные.

Банк моделей содержит описание металлогенических зон (40 объектов), рудных районов (47 объектов), рудных полей (54 объекта), месторождений (60 объектов).

Далее эталонные объекты, входящие в банк моделей и описанные набором поисковых признаков будем обозначать ОБМ (объект банка моделей). Эти объекты становятся информационной основой разрабатываемой методики постановки и решения геолого-прогнозных задач.

Раздел 2.2. посвящен описанию методики формулирования и формализации геолого-прогнозной модели объекта поиска на основе банка эталонных объектов.

Основные этапы формирования геолого-прогнозной модели объекта поиска:

■ формирование комплексной эталонной модели;

■ формулирование геолого-прогнозной модели объекта поиска;

■ формализация геолого-прогнозной модели объекта поиска.

Основной критерий выбора ранга эталонных объектов (металлогеническая

зона, рудный район, рудное поле, месторождение) определяется масштабом работ. В соответствии с целью прогнозно-поисковых исследований из банка моделей выбираются все эталоны, относящиеся к определенному полезному ископаемому и геолого-промышленному типу. Критерии выбора эталонов могут быть уточнены другими показателями, относящимися к физико-географической обстановке и определяющих комплекс природных условий на исследуемой территории. В основу выделения таких комплексов может быть положен принцип геологического единства эталонного объекта и объекта исследований. Эти показатели могут отсутствовать.

Таким образом, автором сформулированы критерии выбора ОБМ для формирования эталонной модели:

■ масштабный уровень исследований;

■ геолого-промышленный тип;

* физико-географическая обстановка.

Модель, сформированную на базе нескольких ОБМ, отвечающих указанным выше критериям, будем называть комплексной эталонной моделью. Совокупность значений поисковых признаков такой модели определяется обобщенной совокупностью поисковых признаков выбранных ОБМ.

Методика формулирования геолого-прогнозной модели основывается на главном методологическом принципе геологического прогнозирования - принципе аналогии. Формулирование модели заключается в определении соответствия эталонной модели объекту поиска, т.е. описание поисковых признаков комплексной эталонной модели в терминах легенды карты исследуемой территории.

Формализация модели заключается в выборе способов определения числовых характеристик поисковых признаков и получении цифровой мо-

дели данных - таблицы объекты-свойства (TOC). Объектом привязки цифровой информации является квадратная ячейка территории, размер которой устанавливается равным половине минимального значения поперечного сечения ОБМ, используемых при формировании комплексной эталонной модели, что обеспечивает «непропуск» перспективных ячеек- Обычно размер ячейки изменяется от 2 мм до 10 мм в масштабе карты. Ячейка анализируемой территории описывается набором качественных, количественных или ранговых значений, характеризующих проявление выбранных признаков.

Построенная модель имеет критериальный тип. Это означает, что мы можем построить функцию перспективности, базируясь на рассчитанные критериальные свойства.

Таким образом, предлагаемая методика позволяет геологу снизить трудоемкость процесса формирования геолого-прогнозной модели. В то же время решение задачи не базируется на экспертных геологических воззрениях конкретного геолога.

Итак, сформулируем первое защищаемое положение. Методика формулирования и формализации геолого-прогнозной модели на основе базы экспертных геологических знаний об эталонных объектах, заключающаяся в определении прогнозно-поисковых признаков в терминах легенды карты исследуемой территории и выборе способов расчета их числовых характеристик, обосновывает признаковое пространство для эффективного решения задачи автоматизированного прогноза разноранговых ме-таллогенических объектов.

В разделе 2.3. излагается методика геологического прогнозирования, основными этапами которой являются выделение перспективных площадей и оценка их прогнозных ресурсов.

Методика этапа выделения перспективных площадей не является задачей исследования, поскольку он реализован в ГИС ИНТЕГРО.

В основу методики оценки прогнозных ресурсов автором положен общепринятый принцип аналогий через продуктивность с введением понижающего коэффициента. Суть его состоит в том, что ресурсы перспективных участков определяются пропорциональными ресурсам эталонных объектов. При этом коэффициент пропорциональности определяется понижающим коэффициентом К, который в общем случае устанавливается равным 0,5 (Кривцов А.И., Ручкин Г.В., 2002 г.):

R = K.h_.s,

Sa

где R3 / S3 - металлоносность эталонного объекта, рассчитываемая через его прогнозный ресурс (ft,) и площадь (5Э); R и 5 - прогнозный ресурс и площадь перспективного участка.

Автором предлагается замена понижающего коэффициента на коэффициент подобия перспективного участка эталону. Разработан формализованный способ вычисления коэффициента подобия посредством меры сходства перспективного участка с эталонным объектом, что обеспечивает уточнение методики оценки прогнозных ресурсов.

Мера сходства //(/,/) отражает степень похожести перспективного участка (г) и эталонного объекта (/) и вычисляется следующим образом:

5 I

5=1/=1

Л"/ /у/

,уе(1,Л0,«е(1 ,М),

где N — число ОБМ, используемых при формировании комплексной эталонной модели; М- число перспективных участков, по которым проводится оценка прогнозных ресурсов; - отнормированный информационный вес /-го свойства 5-й

группы поисковых признаков комплексного эталона; - коэффициент проявленности /-го свойства 5-й группы поисковых признаков на 7-м эталоне, причем /^=1, если свойство проявлено, =0, если не проявлено; - коэффициент

проявленности /-го свойства 5-й группы поисковых признаков на /-м перспективном участке и соответствия его аналогичному свойству эталона, при-

чем/^ е [0,1].

Таким образом, формула для определения прогнозных ресурсов перспективных участков выглядит следующим образом:

К/

где вместо значения понижающего коэффициента предлагается использование меры сходства перспективного участка с эталоном.

Таким образом, формулируется второе защищаемое положение. Определение коэффициента подобия перспективного участка эталонному объекту через меру сходства между ними составляет основу формализованной процедуры оценки прогнозных ресурсов.

В третьей главе описывается компьютерная технология постановки и решения задачи геологического прогнозирования рудных объектов.

В основу технологии положена разработанная автором методика формирования геолого-прогнозной модели объекта поиска.

Автором предложена технологическая схема решения геолого-прогнозных задач (см. рис. 2).

Формирование геолого-прогнозной модели

- выбор эталонных объектов из банка

- формирование комплексной эталонной модели

- формирование таблицы соответствия легенды карты поисковым признакам эталона

- создание цифровой модели данных (TOC)

2i

Выделение перспективных площадей

1

- анализ данных

- формирование системы критериальных свойств

- районирование территории по набору критериальных свойств

- анализ и интерпретация результатов

Ц

Оценка прогнозных ресурсов

- формирование таблицы проявленности поисковых признаков на перспективном участке

- расчет меры сходства перспективного участка с эталонами и выделение эталонов, похожих на перспективные участки

- анализ и интерпретация результатов

- расчет прогнозных ресурсов по выделенным эталонам

Рис. 2. Технологическая схема

Технологический этап выделения перспективных участков реализуется прогнозным блоком ГИС ИНТЕГРО. Разработка остальных этапов является задачей данной диссертационной работы.

Задачи информационного, структурного, функционального моделирования и проектирования разрабатываемой технологии были решены непосредственно автором методами и средствами структурного системного анализа и проектирования.

В разделе 3.1. описывается физическая модель системы, представленная набором диаграмм потоков данных (БРО), обеспечивающих по-уровневую декомпозицию процесса решения геолого-прогнозной задачи.

На рис. 3 представлена ОБО первого уровня, отражающая информационные отношения между основными процессами системы.

Для программной реализации разработанных методик автором предложены новые блоки в среде ГИС ИНТЕГРО. Задача «Блока формирования геолого-прогнозной модели» заключается в реализации интерактивной экспертно-аналитической технологии формирования комплексной эталонной модели, формулирования и формализации геолого-прогнозной модели. «Блок оценки прогнозных ресурсов» реализует этап оценки прогнозных ресурсов выделенных перспективных площадей. Процессы, реализуемые данными блоками, выделены на ОРБ первого уровня.

Раздел 3.2. посвящен описанию «Блока формирования геолого-прогнозной модели». Основная задача блока заключается в автоматизации работы эксперта-геолога на стадии формулирования и формализации геолого-прогнозной модели объекта поиска.

Ргот/ИНТЕГРО

исходные данные

ргот/Банк моделей \

объекты банка моделей

цифровая модель данных

Ргот/Эксперт-^ге^яог

исходные данные, критерии

геолого-прогнозная модель

тос

критериальных ' свойств

эталонные объекты 1

Эталонная модель

Таблица соответствия

критериальные свойства критериальные свойства эталонные объекты геолого-прогнозная модель

Критерии выделения рАп/Эксперг-геолог

Рис. 3. ОГО первого уровня Этап формулирования эталонной модели в терминах легенды карты исследуемой территории является определяющим и одновременно самым сложным. Главной задачей является не автоматическое считывание поисковых признаков с исследуемой карты, а создание интеллектуального интерфейса, позволяющего максимально использовать потенциал эксперта-геолога при преобразовании картографической информации, выделении на карте тех факторов, которые могут, по его мнению, с тем или иным поправочным коэффициентом, соответствовать поисковым признакам эталонной модели. Результатом данного этапа является формирование компьютерного представления модели, отражающей соответствия эталонной и карто-

графической информации. Автором разработана структура интерфейса данного блока, структура комплексной эталонной модели и таблицы соответствия, описание которых приведено в тексте диссертации.

В разделе 3.3. описывается «Блок оценки прогнозных ресурсов». Диаграмма основных процессов, реализуемых данным блоком и потоки данных между ними представлены на ОБО второго уровня (см. рис. 4). Подробное описание диаграммы приведено в тексте диссертации.

Ргоп/ИНТЕГРО

I

перспективные участки

эталонная модель

Рис 4 БРИ второго уровня (декомпозиция процесса «Оценка прогнозных ресурсов») Согласно формуле оценки прогнозных ресурсов, в качестве эталонных характеристик выступают уникальные значения их площадей и ресур-

сов, поэтому эталонная модель должна быть представлена одним ОБМ. Каждый ОБМ, использованный при формировании комплексного эталона, описывается вектором проявленности поисковых признаков. Также описывается перспективный участок. Затем для каждого ОБМ рассчитывается его мера сходства с перспективным участком.

Неравнозначность описания эталона и исследуемой территории учитывается значением проявленности поисковых признаков на перспективном участке, т.е если в его контур попадает поисковый признак, который не полностью соответствует поисковому признаку эталонной модели, то экспертно значение проявленности снижается в зависимости от степени соответствия.

Для каждого перспективного участка формируется множество похожих на него эталонов и рассчитываются значения прогнозных ресурсов по значениям их продуктивностей и мер сходств с этими эталонами.

Таким образом, формулируется третье защищаемое положение. Геоинформационная технология, включающая блок формирования геолого-прогнозной модели объекта поиска и блок оценки прогнозных ресурсов на основе коэффициента подобия, в сочетании с интерактивным интерфейсом, ориентированном на эксперта-геолога, позволяет оперативно осуществлять компьютерное прогнозирование твердых полезных ископаемых с использованием знаний, накопленных в банке эталонных моделей.

В четвертой главе приводятся результаты исследований и апробации методико-технологических разработок, выполненных при непосредственном участии автора.

Задача 1. Прогнозирование рудных полей свинцово-цинкового стра-тиформного геолого-промышленного типа в карбонатных толщах на территории Енисейского кряжа по материалам карты полезных ископаемых и закономерностей их размещения, геолого-минерагенической карты, геофизической и геохимической основ масштаба 1: 200 ООО, при помощи банка эталонных моделей цветных и благородных металлов.

Енисейский кряж располагается в центре Евразийского континента на стыке трех крупных геоморфологических единиц - Среднесибирского плоскогорья (докембрийская Сибирская платформа) на востоке, Западно-Сибирской низменности (эпигерцинская Западно-Сибирская плита) на западе и Алтае-Саянской (каледонской) горной области на юге. Географические границы кряжа проходят на западе по правобережью одной из самых полноводных и крупных рек Сибири - Енисею, на юге ограничивается р. Кан, а на востоке проводится условно по р. Каменке, левому притоку р. Ангары. Общая площадь кряжа определяется в 100 ООО кв. км при протяженности около 650 км и ширине 50-300 км.

Свинцово-цинковое оруденение Енисейского кряжа приурочено главным образом к верхнерифейским вулканногенно-карбонатно-терригенным

формациям и относятся к трем рудным формациям: 1) колчедансодержа-щей сидерит-сфалерит-галенитовой (Горевское месторождение, Блохин-ское, Пихтовое и др.); 2) свинцово-цинковой колчеданной черносланцевой (Рассохинское, Лимонитовое); 3) свинцово-цинковой стратиформной в карбонатных толщах (Морянихинское, Меркурихинское и др.).

Поскольку банк моделей не содержит эталонных объектов, находящихся на территории Енисейского кряжа, комплексная эталонная модель была образована объектами банка, удовлетворяющими критериям совпадения по масштабности и геолого-промышленному типу с объектом поиска. В результате были выбраны следующие рудные поля: Учкулачкское, Шалкиинское, Сар-данское, Барвинское (см. табл. 1).

Таблица 1. Эталонные объекты

Рудное поле Учкулачское Шалкиинское Сарданское Барвинское

Площадь (км1) 30 30 20 30

Диагональ (км) 22 24 25 30

Страна Республика Узбекистан Республика Казахстан РФ РФ

Субъект РФ Республика Саха (Якутия) Иркутская обл

Прогнозные ресурсы 15 10 10 10

Область поиска была ограничена вулканогенно-карбонатно-углеродисто-терригенной формацией, вулканогенно-терригенно-известняково-доломито-вой субформацией, углеродисто-кремнисто-карбонатной формацией, сланцево-карбонатной субформацией. При этом область поиска была расширена до 1 км ячейками, занятыми более молодыми формациями, чем перспективные, что позволило учесть геологическое строение территории. Решение задачи выделения перспективных площадей проводилось внутри ограниченной области поиска.

Критериальные свойства были определены расстояниями до выхода на поверхность основных типов рудовмещающих пород, расстояниями до контуров, представленных следующими картографическими факторами: палеопрогибы с карбонатным осадконакоплением Горевского и Рассохинского типов; палеопод-нятия с карбонатным осадконакоплением Марянихинского типа; границы между терригенными и карбонатными типами пород; комплексные геофизические аномалии; литохимические аномалии; гидрохимические аномалии; гравитационные максимумы; положительные геофизические аномалии МПП, /ж, а также расстояния до точек минерализации пирротина и сфалерита.

Результирующее прогнозное свойство представлено на рис. 5. По изолинии прогнозного свойства со значением 0,7 выделяется рудный район, уточняющий

контуры Ангарскою рудного района, находящегося на территории Енисейского кряжа. По изолинии прогнозного свойства со значением 0,82 экспортно выделены 6 перспективных рудных ноля.

Шкала целевого свойства(перспективность)

Условные обозначения

© о

Территории в№ области поиска Месторождения и рудогсроя&леимя свимдово'цинкового котмеданно .полиметаллического типа в черносланцевых толща*

Месторождения и рудолроявления евинцово-циикового стратнформмого типа в карбонатных толщах

Месторождения и рудопрояалемия соинцово-цинкооого ка/тнедансодержа-щвго типа а седерит-сфалврнт-галвкитовых толщах

Рис. 5. Результат выделения рудных полей, перспективных на свинцово-цинковыи апратиформный тип в карбонатных толщах

В таблице 2 для каждого перспективного рудного поля подсчитана мера сходства с ОБМ, используемых при формировании комплексной эталонной модели.

Таблица 2. Матрица мер сходства

Перспективный участок Площадь (км2) №\ Учкулачское РП 30 км2 Шалкиинское РП 30 км2 Сарданское РП 20 км2 Барвинское РП 30 км2 Порог

36,98 ПРП 1 0,63 0,69 0,66 0,65 0,65

7,8 ПРП 2 0,67 0,66 0,66 0,68 0,67

4,92 ПРП 3 0,6 0,63 0,59 0,61 0,61

19,67 ПРП 4 0,6 0,68 0,63 0,66 0,64

21,61 ПРП 5 0,52 0,68 0,62 0,59 0,6

6,3 ПРП 6 0,58 0,67 0,72 0,64 0,65

Первое, второе и шестое перспективные рудные поля уточняют контуры известных рудных полей аналогичного геолого-промышленного типа. Например, второе перспективное рудное поле территориально соответствует Марянихо-Меркурихинскому рудному полю.

Для решения задачи оценки прогнозных ресурсов для каждого перспективного рудного поля рассчитана TOC попадания критериальных свойств внутрь их контуров и мера сходства с эталонными объектами. Среднее значение меры сходства равно 0,64, что обеспечивает уточнение понижающего коэффициента К.

Четвертое рудное поле является потенциальным свинцово-цинковым полем, которое может быть рассмотрено в качестве нового перспективного участка на данной территории.

Для определения прогнозных ресурсов перспективных рудных полей сформировано пространство наилучших аналогов из эталонных ОБМ по значениям мер сходств между ними.

Результат вычисления прогнозных ресурсов категории Р2 (млн. т) по выделенному набору эталонных ОБМ представлен в таблице 3.

Таблица 3. Прогнозные ресурсы перспективных участков (млн. т)

Учкулачское Шалкиинское Сарданское Барвинское

15 млн т 10 млн т 10 млн т 10 млн т

ПРП 1 8,49 12,28

ПРП 2 2,61 1,78

ПРП 3 1,04 1,01

ПРП 4 4,45 6,23 4,32

ПРП 5 4,87 6,74

ПРП 6 1,4 2,28

Результаты апробации показали, что разработанная методико-технологическая схема решения геолого-прогнозных задач позволяет снизить трудозатраты, время решения, повысить объективность прогнозных построений.

Задача 2. Прогнозирование рудных полей свинцово-цинкового колчеданно-полиметаллического геолого-промышленного типа в черносланцевых толщах на территории Енисейского кряжа.

Комплексная эталонная модель была сформирована рудными полями: Рассо-хинское, Текелийское, Яблоновое, Овгольское, Филизчайское, отобранных по кри-

терию масштабности исследования и геолого-промышленному типу (см. табл. 4). _Таблица 4. Эталонные объекты

Рудное поле Рассохинское Текелийское Яблоновое Овгольское Филизчайское

Площадь (кмг) 20 6 15 25 20

Диагональ (км) 8 10 9 15 20

Страна Российская Федерация Республика Казахстан Республика Казахстан Российская Федерация Азербайджан

Субъект РФ Красноярский край Талды- Курганская обл. Талды-Курганская обл Республика Бурятия

Административный р-н Мотыгийский р-н Текелийский р-н Текелийский р-н СевероБайкальский р-н Белоканский р-н

Прогнозные ресурсы 10 10 2,5 5 10

Область поиска была ограничена вулканогенно-карбонатно-углеродисто-терригенной формацией и вулканогенно-карбонатно-терригенно-углеродисто-сланцевой формацией и также расширена до 1 км ячейками, содержащими формации, которые моложе перспективных.

Критериальные свойства были определены расстояниями до выхода на поверхность основных типов рудовмещающих пород, расстояниями до контуров, представленных следующими картографическими факторами: палеопрогибы с карбонатным осадконакоплением Горевского и Рассохинского типов; границы между терригенными и карбонатными типами пород; комплексные геохимические аномалии; литохимические аномалии; фациальные границы; гидрохимические аномалии; гравитационные максимумы; положительные геофизические аномалии МПП, рк. А также расстояния до точек минерализации пирротина и сфалерита.

В результате решения задачи экспертно были выделены 7 рудных полей по изолинии прогнозного свойства со значением 0,8 (см. рис. 6).

Седьмое рудное поле совпадает с известным Марянихо-Меркурихинским рудным полем стратиформного геолого-промышленнош типа в карбонатных толщах. Оно рассматривалось в предыдущей задаче, поэтому далее его прогнозные ресурсы подсчитывало! не будут.

Среднее значение мер сходств между перспективными участками и эталонами равно 0,58 (см. табл. 5). Пороговые значения мер сходств для каждого перспективного участка соответственно равны: 0,7; 0,68; 0,73; 0,73; 0,65; 0,67.

Шкала целевого свойства (перспективность)

Условные обозначения

] Терр итория вне области поиска

Месторождения и рудопроявпения свинцоео-цинкового ко/меданно -полиметаллического типа в черноепанцевых топ щах

Месторождения и рудопроявления сяинцово-цинкового стратифориного типа в карбонатных толщах

Месторождения и рудопроявления саи нцоао-цинкового кзпчедэнссдержа-щего типа в седерит-сфалерит-гапенитовых толщах

Рас, 6. Результат выделения рудных полей, перспективных на свинцово-1(/гнковый колчеданно-полиметаллическш) тип и чернослонцевых толщах

•л 1 [лошадь (к§р чг: ;ч; | № \ Раеоо-хннское РП 20 иг Текелийское РП 6 КМ3 Яблоновое РТ1 15к1Г Овгипьское РМ 25 км- Фнпитчай-скоеРП 20 км"

Щ6 ПРГ, \ ОЛ 0,54 «,53 1Ш

а - 39,95 П® 2 0,68 (152 0,52 03» 035

Ъ 7132 ПРП 3 0,7.1 037 0,57 0,44 0,4К

1 52.92 ПГ'П 4 0,73 0,57 0,57 0.44 0,48

4726 ПРИ 5 0,65 0,56 0,56 0.49 033

19.65 1И [ 6 0,76 0,67 0,67 0,61 0.5 К

Эталонное Рассохинское рудное поле выделяется в качестве первого перспективного участка. Третий и четвертый перспективные участки выделяют контуры рудных полей свинцово-цинкового колчеданного типа в сидериг-сфалериг-галенитовых толщах (Горевский тип). Это обстоятельство объясняется возможной близостью признакового пространства эталонных моделей этих геолого-промышленных типов.

Значения прогнозных ресурсов были рассчитаны через характеристики выделенных для каждого перспективного участка эталонов (см. табл. 6).

Рассохинское Текелийское Яблоновое

10 млн т 10 млн т 2,5 млн т

ПРП 1 16,49

ПРП 2 13,58

ПРП 3 26,1

ПРП 4 19,29

ПРП 5 6,37

ПРП 6 4,88 14,27 1,43

Выделенные рудные поля на Енисейском кряже и их ресурсный потенциал в значительной мере соответствуют представлениям о металлогении данного района. В то же время, полученные оценки ряда рудных полей расширяют перспективы обнаружения богатых свинцово-цинковых руд.

Заключение

В результате исследований создана геоинформащюнная технология прогнозирования рудных объектов на основе банка эталонных моделей, при этом получены следующие результаты:

1. Предложена новая методика формулирования и формализации геолого-прогнозной модели объекта поиска на основе банка эталонных моделей.

2. Разработан способ определения коэффициента подобия перспективного рудного участка эталону доя оценки прогнозных ресурсов.

3. Создана технологическая схема решения геолого-прогнозных задач с использованием банка эталонных моделей.

4. Разработана компьютерная технология формулирования и формализации геолого-прогнозной модели объекта поиска.

5. Разработана компьютерная технология оценки прогнозных ресурсов перспективных участков.

6. Геоинформационная технология апробирована при решении задач прогнозирования свинцово-цинковых рудных полей двух геолого-промышленных типов на территории Енисейского кряжа.

По теме диссертационного исследования опубликованы следующие работы:

1. Методика решения прогнозно-металлогенических задач на основе ГИС ИНТЕГРО и банка моделей эталонов благородных и цветных металлов // Геоинформатика. - 2003. - №1. - С. 8-12.

2. Методика геолого-прогнозного моделирования // Геоинформатика. -2006. - №2. - С. 58-61. (Соавтор: Кузнецов. В.В.).

3. Применение ГИС-технологий для прогноза, поисков и оценки месторождений благородных и цветных металлов на основе банка моделей разноранго-вых металлогенических таксонов//Базовые доклады научно-практической конференции «Прогноз, поиски, оценка рудных и нерудных месторождений на основе их комплексных моделей - достижения и перспективы». - М., 2006. -С. 204-210. (Соавторы: Кузнецов В.В., Финкельштейн М.Я).

4. Компьютерная технология выделения перспективных площадей твердых полезных ископаемых и подсчета их прогнозных ресурсов в ГИС ИНТЕГРО // Современные проблемы геодезии и оптики. - Новосибирск: СГГА, 2006.-С. 81-85.

5. Компьютерная технология решения геолого-прогнозных задач на основе ГИС ИНТЕГРО и банка моделей эталонов цветных и благородных металлов//Тезисы докладов XXXI Международной конференции «Информационные технологии в науке, образовании и бизнесе», весенняя сессия. -Украина, Ялта-Гурзуф, 2004. - С. 15-16.

6. Решение задач комплексного прогнозирования на основе ГИС ИНТЕГРО и банка моделей эталонных объектов // Тезисы докладов V Европейского конгресса региональной картографии и информационных систем в природоведении (5й1 European Congress on Regional Geoscientific Cartography and Information Systems earth and Water), т. II, Испания, Барселона-Каталония, 2006. - С. 213. (Соавторы: Кузнецов В.В., Черемисина E.H.).

7. Унифицированная интерактивная технология выделения перспективных участков недр и подсчета их прогнозных ресурсов // Материалы XIII форума «Рынок геоинформатики в России. Современное состояние и перспективы развития». - М., 2006. Режим доступа: fhttp://gisa.ru/29684.htmll.

Подписано в печать 22.03.2007 г. Заказ 8. Тираж 100 экз. 117105, Москва, Варшавское шоссе, 8, ВНИИгеосистем

Содержание диссертации, кандидата технических наук, Кирпичева, Елена Юрьевна

Введение.

ГЛАВА 1. Обзор и анализ ГИС-технологий для решения задач. недропользования.

1.1. Основные тенденции развития современных ГИС-технологий.

1.2. Анализ ГИС-технологий для решения геологических задач.

1.3. Обзор систем накопления и структуризации геологической информации.

ГЛАВА 2. Методика постановки и решения геолого-прогнозных задач.

2.1. Методологические и информационные основы создаваемых методик.

2.1.1. Общая схема постановки и решения геолого-прогнозных задач.

2.1.2. Банк моделей эталонных объектов цветных и благородных металлов.

2.2. Методика формулирования и формализации геолого-прогнозной модели объекта поиска на основе банка эталонных объектов.

2.2.1. Формирование комплексной эталонной модели.

2.2.2. Формулирование геолого-прогнозной модели объекта поиска.

2.2.2. Формализация геолого-прогнозной модели объекта поиска.

2.3. Методика геологического прогнозирования.

2.3.1. Методика выделения перспективных участков недр.

2.3.2. Методика оценки прогнозных ресурсов.

ГЛАВА 3. Технология компьютерного прогнозирования.

3.1. Физическая модель системы.

3.2. Технология формирования геолого-прогнозной модели объекта поиска.

3.3. Технология оценки прогнозных ресурсов.

ГЛАВА 4. Решение практических задач и анализ результатов.

Введение Диссертация по наукам о земле, на тему "Методика и геоинформационная технология прогнозирования рудных объектов на основе банка эталонных моделей"

Наращивание объемов и совершенствование структуры минерально-сырьевой базы является актуальной задачей стимулирования экономического развития любой страны. В последние годы наблюдается резкое несоответствие между темпами разработки различных месторождений и приростом их прогнозных ресурсов и запасов. Одним из путей решения этой проблемы является использование современных методов и программных средств геоинформатики для повышения эффективности прогнозно-оценочных работ и геолого-экономической оценки рудных объектов различных системных уровней.

Особенностью применения геоинформационных технологий в геологических исследованиях является обеспечение ввода, контроля, хранения, отображения, преобразования, синтеза, анализа и интерпретации координатно-привязанных данных. Специализированные геоинформационные системы (ГИС) могут обеспечивать также создание многопараметрических моделей, решение многокритериальных задач оптимизации, задач геопрогноза по комплексу разнородных данных, подсчет запасов и др.

Формирование геолого-прогнозной модели является наиболее наукоемким и трудоемким этапом в схеме постановки задач геологического прогнозирования, поскольку описание предметной области слабоформализованно, а методы прогнозирования в основном построены на принципе аналогии объекта исследования с эталоном. Одним из путей формирования модели является структурирование геоинформации на основе детального анализа и агрегирования геологической и формальной баз знаний об эталонных объектах

Способом агрегирования геологических знаний является разработка банка моделей изученных разноранговых металлогенических объектов, описанных множеством их поисковых признаков.

Всем этим определяется актуальность разработки унифицированной интерактивной геоинформационной технологии прогноза перспективных участков недр, основанной на использовании прогнозно-поисковых моделей эталонных объектов.

Цель работы

Разработка методики и геоинформационной технологии прогнозирования рудных объектов на основе банка эталонных моделей.

Задачи исследования

1. Разработка методики и компьютерной технологии формирования геолого-прогнозной модели объекта поиска на основе прогнозно-поисковых комплексов, содержащихся в банке моделей эталонных объектов.

2. Разработка способа расчета коэффициента подобия перспективной площади эталону для оценки ее прогнозных ресурсов.

3. Апробация методики и программно-технологического обеспечения на задачах выделения и оценки прогнозных ресурсов рудных объектов.

Структура и краткое содержание работы

Диссертация состоит из введения, четырех глав и заключения, изложенных на 103 страницах машинописного текста; содержит 21 рисунок, 23 таблицы, список использованных источников из 68 наименований.

Заключение Диссертация по теме "Геоинформатика", Кирпичева, Елена Юрьевна

Заключение

В результате исследований создана компьютерная технология прогнозирования рудных объектов на основе банка эталонных моделей, при этом получены следующие результаты:

1. Предложена новая методика формулирования и формализации геолого-прогнозной модели объекта поиска на основе банка эталонных моделей.

2. Разработан способ определения коэффициента подобия перспективного рудного участка эталону для оценки прогнозных ресурсов.

3. Создана технологическая схема решения геолого-пропюзных задач с использованием банка эталонных моделей.

4. Разработана компьютерная технология формулирования и формализации геолого-прогнозной модели объекта поиска.

5. Разработана компьютерная технология оценки прогнозных ресурсов перспективных участков.

6. Геоинформационная технология апробирована при решении задач прогнозирования свинцово-цинковых рудных полей двух геолого-промышленных типов на территории Енисейского кряжа

Библиография Диссертация по наукам о земле, кандидата технических наук, Кирпичева, Елена Юрьевна, Москва

1. Алабин Б.К. К построению нумерических функций//Применение математических методов и ЭВМ при поиске полезных ископаемых. -Новосибирск. 1974.

2. Баранов Ю.Б., Берлянт А.М., Капралов Е.Г. и др. Геоинформатика Толковый словарь основных терминов. М,: ГИС-Ассоциация, 1999 г. Режим доступа: http://www.gisa.ru/geoinfoslovar.html.

3. Белобородов М.А. ГИС-технологии в региональных геологических исследованиях. Режим доступа: http://giserv.karelia.ru/gisa/InfoBulletin/ 97l/nedra2k.html.

4. Берлянт A.M. Географические информационные системы в науках о земле. Режим доступа: http://www.pereplet.ru/obrazovanie/stsoros.

5. Берлянт А.М., Тикунов B.C. Геоинформационные системы. М.: Картгеоцентр-Геодезиздат, 1994.

6. Бешенков С.А., Ракитина Е.А. Моделирование и формализация. Методическое пособие. М.: Лаборатория Базовых Знаний, 2002. - С.219.

7. Бонгард М.М., Губерман Ш.А., Извенова Н.А.и др. Решение геологических задач с помощью программы распознавания//Современная геология. М., 1963 № 7. -С.42-44.

8. Бородаевская М.Б., Кривцов А.И. Прогнозно-поисковые комплексы. Комплекси-рование работ по прогнозу и поискам скрытых медноколчеданных месторождений. М., 1983. - С.54.

9. Бугаевский J1.M., Цветков В.Я. Геоинформационные системы: Учебное пособие для вузов. М.: Златоуст, 2000. - С.222.

10. Бугаец А.Н., Вострокнутов Е.П., Вострокнутова А.И. Применение экспертных систем в геопропюзе. -М.: ОНТИ ВИЭМС, 1986.

11. Бусыгин Б.С., Мирошниченко JI.B. Распознавание образов при геолого-геофизическом прогнозировании. Днепропетровск: ДГУ, 1991.

12. Воронин Ю.А. К теории поисков полезных ископаемых/УПрименение математических методов и ЭВМ при поиске полезных ископаемых. -Новосибирск, 1974.

13. Воронин Ю.А., Еганова И.А, Еганов Э.А. К проблеме упорядочения объектов в геологии//Применение математических методов и ЭВМ при поиске полезных ископаемых.-Новосибирск, 1974.

14. Воронин Ю.А., Черемисина E.H. О базовых задачах искусственного интеллекта в мультидисциплинарных исследования. Новосибирск, 2001. -Т. 1 -2.

15. Вяткин В.Б. Оценка информативности признаков: два подхода, две идеоло-гии//Геология и минерально-сырьевые ресурсы европейской территории России и Урала Материалы региональной конференции. Кн. 1. Екатеринбург: УГТГА, 2000.

16. Гомберг И.Г., Маслов A.A., Стручков JI.A. Современное состояние ИКС ГМГС и задачи дальнейших разработок//Материалы П конференции пользователей и партнеров «Геолинка». М., 2001.

17. Данджермонд Джек. ГИС помогают управлять нашим MHpoM//ARCReview. Современные геоинформационные технологии.-2004 №1(36).

18. Добрынин В.Н., Черемисина E.H. Матемаические методы и средства вычислительной техники в геолого-прогнозных исследованиях. М.: Недра, 1988 г.

19. Калянов Г.Н. CASE-технологии. Консалтинг в автоматизации бизнес-процессов. -М.: Горячая линия-Телеком, 2002. С.320.

20. Капралов Е.Г., Кошкарев A.B., Тикунов B.C. Геоинформатика. М.: Академия, 2005.

21. Карпик А.П. Геоинформационное образование в Сибирской государственной геодезической академии. Перспективы и возможности развития//Информационный бюллетень ГНС-Ассоциации. 2000 №3 (25). С.47.

22. Кирпичева Е.Ю. Компьютерная технология выделения перспективных площадей твердых полезных ископаемых и подсчета их прогнозных ресурсов в ГИС ИН-ТЕГРО//Современные проблемы геодезии и оптики. Сборник научных статей. -Новосибирск: CITA, 2006. С.81-85.

23. Кирпичева Е.Ю. Методика решения прогнозно-металлогенических задач на основе ГИС ИНТЕГРО и банка моделей эталонов благородных и цветных метал-лов//Геоинформатика. -2003 №1. С. 8-12.

24. Кирпичева Е.Ю., Кузнецов В.В. Методика геолого-прогнозного моделирования //Геоинформатика. -2006 № 2. С.58-61.

25. Коновалова Н.В., Капралов Е.Г. Введение в ГИС. М.: Библион, 1997.

26. Константинов P.M. Математические методы количественного пропюзирова-ния//Методы количественного прогнозирования. Тезисы докладов. -Алма-Ата, 1975. С.5-7.

27. Кривцов А.И. Прикладная металлогения. -М., Недра, 1989.

28. Кузнецов О. JL, Никитин А. А., Черемисина Е. Н. Геоинформационные системы. Учебник для вузов. М.: Государственный научный центр Российской федерации -ВНИИГеосистем, 2005. С.347.

29. Кузнецов O.JL, Никитин A.A., Геоинформатика. М.: Недра, 1992. С.302.

30. Кузнецов O.JL, Черемисина E.H. Геоинформатика, геоинформация, геоинформационные технологии в природопользовании//Геоинформатика.-2003 №2. С.3-10.

31. Леонов АЛ. ArcGIS 9 — полнофункциональная ГИС нового поколения. Режим доступа: http://www.gisa.ru/16685.html.

32. Ломтадзе В.В., Шаталов Г.Г. Бородаченко В.В. и др. Технология создания и использования баз географических данных//Алгоритмы и программы. М.: ОНТИ ВИЭМС, 1988. С. 130-136.

33. Лурье И.К. Обучающие ГИС для наук о Земле//Информационный бюллетень ГИС-Ассоциации. -1998 № 1 (13). С.86-89. .

34. Малютин Ю.А.Современные компьютерные технологии при оценке запасов рудных месторождений/УТезисы научной конференции «Ломоносовские чтения». -2004. Режим доступа: http://geo.web.ru/db/msg.html7mid =1170527.

35. Марченко В.В. Человеко-машинные методы геологического прогнозирования. -М.: Недра, 1988.

36. Марченко В.В., Межеловский Н.В., Сапунков A.A. и др. Компьютерный прогноз месторождений полезных ископаемых. -М.: Недра, 1990 г. С.286.

37. Митракова О.В., Финкельштейн МЛ., Черемисина E.H. Технология использования АС «АЛИСА» для решения геологопрогнозных задач. М.: ВИЭМС, 1988 Вып.1 (67).

38. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1986. С.487.

39. Немтинов В. А. Методические рекомендации дисциплины «Системы автоматизированной обработки информации». -2005. Режим доступа: http://gaps-gw.tstu.ru.

40. Никитин A.A., Петров A.B. Классификация комплексных геополей на однородные области//Известия ВУЗов. Серия: Геология и разведка. М., 1990 №4.

41. Новые информационные технологии. Под ред. Дьяконова В.П. М.: САЛОН-Пресс, 2005.

42. Оценка прогнозных ресурсов алмазов, благородных и цветных металлов: Методическое руководство. Вып. 1: Золото / Отв. ред. Беневольский Б.И. М.: ЦНИГРИ, 2002.

43. Оценка прогнозных ресурсов алмазов, благородных и цветных металлов: Методическое руководство. Вып. 2: Медь / Отв. ред. Кривцов А.И. М.: ЦНИГРИ, 2002.

44. Оценка прогнозных ресурсов алмазов, благородных и цветных металлов: Методическое руководство. Вып. 3: Свинец и цинк / Отв. ред. Ручкин Г.В. М.:1. ЦНИГРИ, 2002.

45. Оценка прогнозных ресурсов алмазов, благородных и цветных металлов: Методическое руководство. Вып. 4: Никель и кобальт / Отв. ред. Кривцов А.И. М.: ЦНИГРИ, 2002.

46. Трифонова Т.А., Мищенко Н.В., Краснощекое А.Н. Геоинформационные системы и дистанционное зондирование в экологических исследованиях. М., Академический проект, 2005.

47. Финкелыитейн М.Я. ГИС ИНТЕГРО как инструмент геологических исследова-ний//Геоинформатика. 2002 №2.

48. Финкелыитейн МЛ., Митракова О.В., Черемисина E.H. ГИС ИНТЕГРО инструмент постановки и решения природопользовательских задач//ГИС-ассоциация, информационный бюллетень. -М., 1998 №3(15).

49. Финкелыитейн МЛ., Спиридонов В.А., Деев К.В. и др. Решение задач прогноза полезных ископаемых с применением ГИС ИНТЕГРО. Руководство пользователя. -М., 2001.С.110.

50. Финкелыитейн МЛ., Черемисина E.H. Постановка и решение задач в слабофор-мализованных областях знаний//Сборник трудов V международного симпозиума по применению математических методов и компьютеров в геологии, горном деле и металлургии. Дубна, 1996.

51. Хасаншина Н.З. Геоинформационные технологии как средство интеграции знаний по информатике и географии. Режим доступа: http://www.cctpu.edu.ru/confsec2/tez25.html.

52. Цхай A.A., Трунова Т.Н. ГИС «Освоение месторождения». Режим доступа: http://www.datap!^.ru/Industries/4NEDRA/19gis.htm.

53. Черемисина E.H. Методические и технологические аспекты развития ГИС ИНТЕГРО с использованием алгоритмов динамического распознавания // Геоинформатика. -2001 №3. С.75-80.

54. Черемисина Е.Н., Марченко В.В. Некоторые аспекты построения интеллектуальных геоинформационных систем многоцелевого назначения//ГИС-технологаи в геологическом изучении недр. -М.: ВНИИГеосистем, 1996.

55. Черемисина Е.Н., Митракова О.В., Финкелыптейн МЛ. и др. Методические рекомендации по решению задач прогноза полезных ископаемых с применением ГИС ИНТЕГРО. Методическое пособие. М., 1999. С.35.

56. Черемисина Е.Н., Митракова О.В., Финкелыптейн МЛ Методика постановки и решения прогнозно-диагностических задач в природопользова-нии//Геоинформатика. -1999 №3.

57. Чесалов Л.Е., Эпштейн Л.Д. Анализ существующих зарубежных и отечественных ГИС//ГИС-технологии в геологическом изучении недр. М.: ВНИИГеосистем, 1996. С.21.

58. Чоговадзе Г.Г. Инфорнация: информация, общество, человек. М.: ООО Дата+, 2003. С.121-135.

59. Arc View GIS (User's Guide). ESRI, Inc. Redland, CA USA, 2000.