Главная страница
Контакты

    Басты бет


А. Ю. Давыденко1, А. В. Грайвер2

жүктеу 67.76 Kb.



жүктеу 67.76 Kb.
Дата13.10.2018
өлшемі67.76 Kb.

А. Ю. Давыденко1, А. В. Грайвер2


УДК 550.837.81 А.Ю. Давыденко1, А.В. Грайвер2 ИНТЕРПРЕТАЦИЯ ГЕОФИЗИЧЕСКИХ ДАННЫХ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ GelioSMI Аннотация. Возможности технологии основаны на методах векторизации полей с использованием скользящего окна и применении методов многомерного статистического анализа в классическом и робастном вариантах, что позволяет решать широкий круг задач обработки и интерпретации геофизических данных, представленных площадными съемками или пространственно-временными данными. Ключевые слова: векторизация, скользящее окно, многомерные статистические методы, метод главных компонент, метод независимых компонент, регрессия, фильтрация геофизических данных, инверсия Об авторах: 1 – Иркутский государственный университет, Иркутск 2 – Institute of Geophysics, ETH, Zurich Интерпретация геофизических данных на основе использования программы GelioSMI [2], позволяет по данным геофизических съемок выделять объекты, отражающиеся в физических полях аномалиями относительно невысокой контрастности.
Регрессия (лат. regresso - кері қозғалыс) - теңіздің тартылып, жағасының кері шегінуі. Әдетте, тектоникалық қозғалыстардың әсерінен құрлықтың көтерілуінен, мұхит түбінің ойысуына немесе материкті мұз басу кезінде мұхит суы көлемінің азаюына байланысты болады.
Такого рода аномалии, характерные для объектов относительно небольших, по отношению к сети наблюдений, размеров, как правило, осложнены интенсивными помехами. При решении задач структурно-геологического картирования помехи имеют, как правило, широкий пространственно-амплитудный диапазон. Их спектр в области высоких частот обусловлен, в основном, случайными ошибками измерений и эффектами мелкозалегающими неоднородностей. Физико-геологические неоднородности значительных размеров и глубин залегания, а также не полностью учитываемые в процессе обработки пространственно-временными вариации физических полей дают основной вклад в низкочастотную часть спектра. В частности, данные аэрогеофизических съемок обычно зашумлены не только короткопериодными случайными помехами, но длиннопериодными смещениями значений магнитного поля, электромагнитных сигналов на соседних профилях – т.н. эффект «профильности» - levelling [7]. Существенные проблемы в процесс компьютерной обработки и интерпретации вносит обычное наличие импульсных помех или аномальных «выбросов» поля. Совокупность этих факторов, а также латеральная изменчивость физико-геологических свойств пород и наличие источников физических полей в широком диапазоне глубин приводят к нестационарному характеру интерпретируемых полей, выражающемуся в существенной изменчивости по площади их уровня и корреляционных свойств. Характерной особенностью технологии GelioSMI является векторное представление значений геофизических полей. В этом случае попавшие в окно обработки значения развертываются в вектор, характеризующий поведение поля в окрестности геометрического центра пространственного (пространственно-временного при обработке данных электромагнитных зондирований) окна.
Бағытталған кесінді A B → }} деп A - “бас нүктесінен” бастап екінші B - “соңғы”нүктесіне дейінгі түзу бойындағы нүктелер жиыны.
Подобный подход позволяет характеризовать каждую точку площади особенностями поведения поля в ее окрестности. Очевидно, что чем больше размеры окна, тем больше будет размерность многомерного пространства, определяемая количеством точек в окне обработки, и тем более детально эти особенности будут охарактеризованы многомерными статистиками анализируемого поля (оценки вектора математических ожиданий и ковариационной матрицы). Корректность фильтрации полей с существенно изменчивыми пространственно-амплитудным свойствами достигается за счёт применения процедуры дифференциации (кластеризации) полей на основе самообучения, позволяющей выделять компактные и связные в пространстве участки поля со стационарными по уровню, дисперсии и автокорреляционным свойствам характеристиками. В результате возможна реализация эффективного двумерного фильтра для экстраполяции и интерполяции нестационарных геофизических полей, в т. ч. на участках с изрезанными контурами или с локальным отсутствием данных. В технологии GelioSMI реализован функционал, предназначенный для многомерного статистического анализа (метод главных компонент, метод независимых компонент, регрессионный анализ) и фильтрации в классических и робастных вариантах.
Анализ (ағылш. Analysis - зерттеу) - Анализ - құраушы элементтерін зерттеу арқылы тұтасты зерттеу. Анализ - объектіні бөліктерге бөлу және оларға сипаттама беруден кұралған зерттеу тәсілі. Анализ - күрделі тілдік бүтінді оны құрайтын элементтерге жіктеу.
Функционал - бір не бірнеше функцияға тәуелді болатын айнымалы шаманы білдіретін математикалық ұғым. Ол алғаш рет вариациялық есептеуде пайда болған. Берілген тұйық қисық сызықпен шектелген аудан, белгілі бір жол бойындағы күш өрісінің жұмысы, т.б.
Использование методов главных и независимых компонент для фильтрации сильно коррелированных данных (например, данные морского варианта зондирований дифференциально-нормированного метода электроразведки - ДНМЭ) основано на разложении анализируемых полей на главные (ортогональные) или статистически независимые компоненты. Дальнейшая фильтрация фильтрацию каждой из этих компонент в отдельности с обратным преобразованием минимизирует искажения, характерные для фильтрации коррелированных или зависимых данных. Использование при расчетах фильтров робастных модификаций методов главных и независимых компонент, основано на получении устойчивых к выбросам оценок векторов средних и ковариационных матриц выборок многомерных случайных величин на основе алгоритма минимального определителя ковариационной матрицы - MCD (Minimum Covariance Determinant), а многомерной линейной регрессии - на основе метода LTS (Least Trimmed Squares) с эффективными вычислительными реализациями FAST-MCD и FAST-LTS соответственно [8]. Применение способа векторизации полей с помощью скользящего окна в сочетании с классическими и робастными методами многомерного анализа и районированием полей по их статистическим свойствам открывают широкие возможности для реализации полосовой пространственно-временной фильтрации на основе метода главных компонент (рис.1) [7]. Рис. . Применение направленной фильтрации на основе МГК для подавления эффекта «профильности» в аэроэлектромагнитных данных: а) исходное поле логарифмов эффективного сопротивления на частоте 8320 Гц; б) это же поле после снятия эффекта «профильности» Данные аэроДИП [1] были использованы для подавления скин-эффекта с помощью пространственных фильтров на основе робастной многомерной регрессии. Последовательное исключение эффектов более высоких частот дает весьма существенный эффект, выражающийся в весьма значительном и допускающем содрежательное геологическое истолкование изменении структуры поля на низких частотах за счет подавления локальных аномалий, обусловленных близповерхностными геоэлектрическими неоднородностями [6] (рис. 2). Методика робастного статистического анализа данных апробирована при изучении геоэлектрического разреза по данным площадных электромагнитных зондирований. Использование многомерных статистических методов фильтрации позволяет подавлять артефакты, возникающие в процессе одномерной инверсии профильных данных электромагнитах зондирований в рамках одномерной модели с учетом частотной дисперсии электропроводности. Для уменьшения эффекта эквивалентности использован аппарат робастного регрессионного анализа, что позволило выявить вклад времени релаксации τ и показателя степени с в удельное электрическое сопротивление и поляризуемость, а во времени релаксации выделить влияние показателя степени с. Для выделения в разрезе зон тектонических нарушений наклонного залегания использован аппарат адаптивной фильтрации и фильтрация методом главных компонент (рис. 3). Рис. . Поля логарифмов эффективных сопротивлений для частот: 8320 Гц (а); 130 Гц (б) и результат подавления скин эффекта в поле на частоте 130 Гц (в) Рис. . Результаты робастной фильтрации геоэлектрического разреза Важным элементом технологии, позволяющим комплексировать данные электроразведочных методов с результатами площадных грави- и магниторазведочных съемок, является возможность трёхмерной инверсии потенциальных полей. В результате инверсии по данным площадных съемок могут быть определено пространственное распределение избыточной плотности по данным гравиразведки и, в зависимости от модели магнитной среды, распределение составляющих вектора суммарной намагниченности или магнитной восприимчивости [4]. Инверсия проводится для полей, заданных на плоском или реальном рельефе для сетки ячеек в виде прямоугольных призм с регулируемыми горизонтальными и вертикальными размерами. Параметры инверсии определяются также количеством дополняющих ячеек для компенсации эффектов от объектов, находящихся за пределами сети наблюдений, значением параметра регуляризации, функцией взвешивания по глубине, количеством итераций для нахождения решения. Для того, чтобы сделать возможным инверсию больших объёмов данных без привлечения дорогих высокопроизводительных платформ, реализован так называемый метод опорной области [9], который позволяет локализовать зону влияния каждой точки измерения в модели и пренебречь эффектами, относительный вклад которых весьма мал. Для данных, измеренных на больших площадях, подобный подход позволяет значительно снизить объём требуемой памяти и времени при решении обратной задачи. Библиографический список 1. Бабаянц П.С., Трусов А.А., Лаврова Т.Ю. Комплексные аэрогеофизические работы при поисках месторождений урана гидрогенного типа Разведка и охрана недр. 2011. №7. С. 56-60. 2. Грайвер А.В. Особенности представления данных и реализации ресурсоемких вычислений в программе обработки и интерпретации геофизических данных GelioSMI Геоинформатика. - 2012. - № 3. – с.20-27. 3. Грайвер А.В., Давыденко А.Ю. Робастные методы многомерного статистического анализа при изучении структуры геофизических полей» Материалы 39-й сессии Международного семинара им. Д.Г.
Семинара (итал. Seminara) - Италиядағы коммуна, Калабрия әкімшілік аймағына қарасты Реджо-Калабрия провинциясында орналасқан.
Успенского. Воронеж.: ВГУ, 2012. с. 93–96. 4. Определение физико-геологических характеристик разреза с помощью инверсии данных электроразведки и магниторазведки при поисках подземных вод в условиях многолетней мерзлоты Давыденко Ю.А., Давыденко А.Ю., Попков П.А., Слепцов С.В. Материалы 42-й сессии Международного семинара им. Д.Г.Успенского. Пермь: ГИ УФО РАН, 2015. с. 66–69. 5. Технология интерпретации данных площадных геофизических работ в программном комплексе «GelioSMI» Грайвер А.В., Давыденко А.Ю., Попков П.А., Слепцов С.В. Материалы 40-й сессии Международного семинара им. Д.Г.Успенского. М.: ИФЗРАН, 2013. с. 115–120. 6. Эффект применения робастных методов многомерной статистики при обработке данных аэроэлектроразведки Давыденко А. Ю., Давыденко Ю.А., Трусов А.А., Новопашина А.В. Материалы 40-й сессии Международного семинара им. Д.Г.Успенского. М.: ИФЗРАН, 2013. с. 115–120. 7. Davydenko, A.Y., Grayver A.V., 2014. Principal component analysis for filtering and leveling of geophysical data. J. Appl. Geophys. 109, 266–280. 8. Hubert M., Rousseeuw P.J., Van Aelst S. High-Breakdown Robust Multivariate Methods Statistical Science, - 2008. -Vol. 23. - No. 1.- p. 92–119. 9. Martin Cuma M., Wilson G.A. and Zhdanov M. Large-scale 3D inversion of potential field data Geophysical Prospecting. - 2012. - Vol.60. - Issue 6. - p. 1186–1199. A.Yu. Davydenko, A.V. Grayver Geophysical data interpretation based on GelioSMI technology Abstract. The capability of the technology based on the vectorization of a measured scalar field using a moving window technique and adaptation of classic and robust multivariate statistical analysis. This approach opens wide possibilities for processing and interpretation of area geophysical surveys and space-temporal data. Keywords: vectorization, moving window, multivariate statistical methods, principal component analysis, independent component analysis, regression, geophysical data filtering, inversion.


жүктеу 67.76 Kb.