WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 | 4 |   ...   | 5 |

Глава 1. Обзор основных особенностей проведения высокоточной гравиразведки и интепретационнообрабатывающих компьютерных технологий В первой главе рассмотрена роль наземной гравиразведки в комплексе с другими геофизическими методами при поисках и разведки месторождений полезных ископаемых; рассмотрены новые тенденции в аппаратурно-методическом обеспечении гравиметрических работ; кратко изложены современные особенности проведения полевых гравиметрических и топографо-геодезических работ. Кроме того, приводится исторический обзор использования специализированных программ и автоматизированных систем при решении геолого-геофизических задач; рассмотрены основные особенности и характеристики существующих геоинформационных технологий в разведочной геофизике.

Глава 2. Информационно аналитическая система хранения, обработки и анализа геолого-геофизических данных ГРАВИС Информационно-аналитическая система Под информационно-аналитической системой (ИАС) понимается сложный комплекс программно-технических средств и геоинформационных технологий, предназначенный для сбора, накопления и поиска данных, необходимых в процессе управления и принятия решений;

для формирования и развития баз и банков данных с целью надежного хранения разноуровневой и разнотипной информации в едином информационном пространстве; для обработки и анализа данных с целью получения новой информации и предоставление её конечному пользователю Целевым назначением разрабатываемой ИАС является информационное обеспечение гравиметрических исследований, проводящихся на территории Пермского края, а также эффективная обработка и анализ геолого-геофизической информации при необходимом быстродействии и точности с учетом специфических физико-геологических особенностей региона, ориентированные на решения широкого круга геологических задач, связанных с изучением глубинного геологического строения, прогноза и поисков залежей месторождений углеводородного сырья и твердых полезных ископаемых.

Создаваемая ИАС осуществляет следующие функции:

1) ввод и хранение разнородной геолого-геофизической информации (первичные материалы геофизических съемок, результаты тематических обобщений в виде текстовых отчетов и графических приложений, данные по отдельным видам исследований, данные об изученности территории и т. д.);

2) первичную обработку гравиметрических данных и их подготовку для внесения в базы данных; накопление, систематизация и хранение информации в развитой модели данных;

3) создание базы данных и её наполнение геолого-геофизической информацией; эффективный доступ и управление большими объемами данных в геоинформационной среде; выполнение многоцелевого информационного поиска и выборки в объектах баз данных;

4) многоэтапную обработку и анализ данных, ориентированные на решение конкретных геолого-геофизических задач; оформление и вывод готовой информации (карты, графики, документация и т.п.) конечному пользователю.

В рамках описанного выше подхода разработана представленная в настоящей работе информационно-аналитическая система хранения, обработки и анализа геолого-геофизических данных «ИАС ГРАВИС» на базе геоинформационной системы ArcGIS. Система структурирована по функциональному признаку, ее основными блоками являются база данных (БД), функциональные подсистемы ГИС, стандартные и разработанные дополнительные программные модули, а также внешние прикладные программы. Программные модули, обеспечивающие функциональное наполнение системы, в ГИС ArcGis организованы на панели инструментов «ИАС ГРАВИС», и в качестве наборов инструментов в среде ArcToolbox.

Весь процесс от сбора до оформления и вывода информации представлен работой «ИАС ГРАВИС»: подсистемой сбора и первичной обработки данных; подсистемой хранения и выборки данных, подсистемой обработки и вывода информации (рис. 1.).

Рис. 1. Обобщенная архитектура ИАС ГРАВИС С конца 90-х годов в Горном институте Уро РАН, а в частности в лаборатории геопотенциальных полей, непрерывно проводится большой объем полевых и тематических работ для решения задач нефтегазовой и горнодобывающей промышленности в различных областях России. Увеличение объемов геофизических работ приводит к быстро растущему объему геолого-геофизической информации. По мере выполнения интерпретационных работ увеличивается количество оцифрованных материалов. Сформировался большой архив пространственных данных разнородной тематики и атрибутивной информации, их хранение и полноценный доступ к ним становился все более затруднительным. Объединение данных в единую информационную структуру явилось актуальной задачей. Для этой цели осуществлена систематизация и ввод геолого-геофизической информации в персональную базу геоданных.

База данных «ИАС ГРАВИС» организована так, чтобы данные собирались и хранились централизованно, но с другой стороны структура базы данных смешанная, что обеспечивает, в свою очередь, гибкость представления и преобразования данных. Главная идея заключается в том, что все собираемые и используемые данные централизованно хранятся в единой персональной базе данных с использованием единых классификаторов объектов, что позволяет получать максимальную по объему информацию об объектах через средства запросов, а также многосторонний анализ информации с применением геоинформационных технологий.

База данных, являясь одним из главных звеньев архитектуры ИАС, выступает в качестве основного источника для обработки и анализа всей имеющейся информации.

В практике обработки и интерпретации существенную роль играет фактор размерности решаемой задачи: объем информации в пределах одного объекта исследований в нашем случае может составлять десятки или сотни Мбайт, включающий в себя цифровые модели рельефа, матрицы геофизических полей и их производных и т.д.

Большое количество информации, хранящиеся в базах данных, существенно усложняют процесс хранения, выборки, обработки и анализа. С целью уменьшения объема памяти, выделяемой для хранения геолого-геофизической информации, минимизации вычислительных затрат и времени предлагается использовать алгоритмы аналитической аппроксимации и вейвлет - преобразования.

Метод аппроксимации рельефа земной поверхности с помощью двойного ряда Фурье Впервые использование аналитических аппроксимаций высот рельефа местности относительно «нормальной» поверхности некоторой функцией: z = (x,y) при высокоточном определении поправок за влияние рельефа местности g было предложено академиком В.Н.

р Страховым.

В данном разделе пойдет речь об аналитических аппроксимациях рельефа, построенных с применением двойного ряда Фурье, которые используются применительно к крупномасштабным гравиметрическим съемкам, а в частности в качестве исходных данных при определении поправок в гравиметрические наблюдения.

Необходимость такой аппроксимации обусловлена объективно существующими различиями высотных отметок на топографических картах и высот пунктов гравиметрических наблюдений, полученных инструментально.

Построение аналитических моделей рельефа (АМР) позволяет минимизировать различия «инструментальных» и «топографических» высот путем «проецирования» нерегулярной сети точек измерений поля силы тяжести (x, y, z ) на поверхность рельефа, а также оптиp p p мизировать сам процесс вычислений. Ее неоспоримым преимуществом является возможность приближенного восстановления значений высот рельефа z в узлах произвольной сети точек путем тригонометрической интерполяции исходной АМР.

Экспериментально установлено, что в качестве непрерывной функции (x, y), с необходимой точностью описывающей «локальный» рельеф, представленный в виде дискретных значений высот – матрицы z, можно использовать двойной ряд Фурье с ограниченным числом членов. При расчете коэффициентов применяется алгоритм быстрого преобразования Фурье (БПФ), существенно ускоряющий решение задачи на компьютере, т.е. двумерное дискретное преобразование Фурье сводится к последовательному вычислению одномерных преобразований сначала для строк (M), а затем для столбцов (N) матрицы {z}.

Известно, что наибольшая точность аппроксимации будет обеспечиваться при выборе P = M/2, Q = N/2, где P, Q – максиmax max max max мальное число граничных гармоник спектра Фурье. Для ускорения процесса аппроксимации можно производить усечение ряда Фурье (выбор необходимых значений P

Было установлено, что выражение, определяющее обобщенную регрессионную зависимость K =(,), имеет вид:

otb 1.Ln(Kotb ) = a + b + c, (1) где a=-0.6945, b=0.0083, c=0.0029 – коэффициенты, которые определяются методом наименьших квадратов. Графическое представление этой зависимости представлено на рис.2(А).

При построении аналитической модели рельефа для определения топографических поправок можно производить усечение ряда Фурье (выбор необходимых значений P

р Установлено, что выражение, определяющее обобщенную регрессионную зависимость K = (, ), имеет вид:

otb 0.Ln(Kotb) = a + b + c, (2) где a=-9.773, b=0.018, c=0.417 – коэффициенты, рассчитанные методом наименьших квадратов. Графическое представление этой зависимости представлено на рис.2(Б).

Рис. 2. Зависимости погрешности аппроксимации рельефа (А) и точности определения топопоправок (Б) от параметров и K.

otb При восстановлении функции по известным коэффициентам Фурье, заданным приближенно, необходимо использовать устойчивые методы суммирования. Если число членов ряда Фурье необоснованно увеличивать, то погрешности в задании коэффициентов Фурье могут привести к столь угодно большим погрешностям вычисления функции.

Устойчивость вычислений значительно увеличивается путем умножения коэффициентов Фурье на множители q вида:

µ n sin N q =, (3) n N где n – порядковый номер коэффициента; N – общее число членов ряда; = 1, 2, 3… Множители q обладают сглаживающим действием, поскольку их величина изменяется от 1 до 0. Эмпирически доказано, что для решения задач восстановления значений высот рельефа для определения топографических поправок достаточно принять равным 2.

Созданная для всего региона исследований АМР может затем многократно использоваться при вычислении поправок за рельеф на других площадях гравиметрических работ. При этом АМР исследуемой площади строится с учетом полученной зависимости (2) и с заданным шагом матрицы d.

Как очевидно, при таком подходе к вычислению поправок исчезают понятия центральной, ближней, средней, дальней зоны и отпадает необходимость в интерполяции значений поправок, т.к. для каждого гравиметрического пункта происходит восстановление высот z = (x,y) в требуемых точках (например – в центрах оснований прямоугольных призм, аппроксимирующих рельеф).

Описанный выше метод аппроксимации рельефа земной поверхности реализован в виде программного модуля «Furie». Использование данного модуля позволяет производить хранение созданных аналитических моделей о рельефе земной поверхности в виде shp-файла (точечная тема), где атрибутом является числовое значение коэффициентов Фурье, с включением в базу геофизических данных.

Истокообразная аппроксимация геопотенциального поля методом квадродерева Предлагаемый алгоритм основан на фрактальных принципах построения сеточной модели геопотенциального поля с учетом его морфологических особенностей, что позволяет минимизировать количество источников, при сохранении необходимой точности аппроксимации.

Основная идея заключается в делении исходной области задания поля на ранговые блоки методом квадродерева. Метод квадродерева - один из наиболее эффективных методов иерархического представления численной информации и широко применяется в практике фрактального анализа данных. Квадродерево являются фрактальным объектом, поскольку обладает выраженным самоподобием относительно масштаба.

Данный алгоритм разработан сотрудниками лаборатории геопотенциальных полей Горного института УрО РАН д. ф.-м. н. Долгалем А.С. и к. ф.-м. н. Пугиным А.В. Автором данный алгоритм адаптирован в ИАС ГРАВИС для оптимизации хранения геофизической информации в базах данных ГИС, а также её обработки.

Рассмотрим алгоритм на примере аппроксимации наблюденного поля силы тяжести. Квадродерево реализует процедуру поиска геометрии элементарных источников в модели, наиболее адекватной наблюденному полю. В качестве элементарных источников служат точечные массы (истокообразные функции), аномальные эффекты которых имеют вид:

- h g(,, ) =, (4) 2 2 (( - x) + ( - y) + ( - h) ) что позволяет применять в последующем довольно простые операторы преобразований L в целях получения различных трансформант поля.

В процессе построения модели происходит декомпозиция сложной вычислительной задачи на совокупность подзадач меньшего размера.

1. Первоначально область задания поля делится на 4 или квадратов S с длиной стороны l. В плане источники располагаются 1 в центрах квадратов на глубине li hi 2li от поверхности наблюдений (i=1, 2,…, q – уровень квадродерева), расстояние между узлами новой сети x =l. За величину поля в квадрате 1 принимается среднее арифметическое U всех значений поля в ср пределах каждой ранговой области S.

2. Выбор “пороговых значений” определяет расположение источников на каждом уровне. Условием необходимости установки источника в каждой конкретной ячейке уровня становится выполнение неравенства U. В случае, когда значение поля Uср ср в квадрате меньше порога отсечения, либо полностью скомпенсировано полем остальных источников, ранговая область характеризуется отсутствием точечной массы.

3. Осуществляется декомпозиция задачи аппроксимации поля: на каждом отдельном этапе она сводится к решению системы линейных алгебраических уравнений (СЛАУ) относительно вектора A = {ai} неизвестных параметров (“масс” источников) и с проверкой условия наличия или отсутствия их в каждой ранговой области:

GA=U, где G = { gij} - матрица, элементы которого представляют собой потенциальные функции (поля элементарных источников при U = {u } - вектор исходных значений поля, заданных на a=1);

j S = S( x, y, z) поверхности ; i = 1, 2,…, m – число эквивалентных источников, создающих модельное поле U*; j = 1, 2,…, n – число точек задания исходного поля.

Pages:     | 1 || 3 | 4 |   ...   | 5 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»