 |
Распознавание многопризнаковых аномалий
|
|
|
|
Отчет
Исходные поля:
Гравика
Магнитка
Находим статистические характеристики в окне живой формы для:
Гравики:
Магнитки:
В результате работы программы образуется 5-ти признаковая сеть, содержащая следующие параметры геополя в каждой точке сети:
1.Среднее значение
2.Дисперсия.
3.Асимметрия.
4.Эксцесс.
5.Отношение дисперсии к среднему значения - стандарт
Использование скользящего окна живой формы, позволяет получить самые надежные оценки статистических моментов поля в условиях, когда поле нестационарно по площади.
Анализ значений статистических характеристик позволяет получить дополнительную полезную для исследователя информацию об особенностях геополя. Так в полях дисперсии, асимметрии, эксцесса границы аномальных объектов отмечаются минимаксными экстремумами. Кроме того, наряду с другой информацией, эти характеристики поля могут быть эффективно использованы в задачах геологического районирования классификационными программами комплекса.
Далее запускаем двумерную фильтрацию в окне 5х5 живой формы для обоих поле:
Гравика:
Магнитка:
В результате работы программы формируется двухпризнаковая сеть: локальная и региональная составляющие исходных полей.
После фильтрации находим градиентные характеристики полей:
Гравика:
Магнитка:
Данная программа предназначена для вычисления в каждой точке исходной сети градиента поля вдоль профилей, вкрест простирания профилей, между слоями сети, полного градиента поля и направления полного градиента в плоскостях слоев и плоскостях разрезов. Направление полного градиента рассчитывается в радианах.
При обработке двумерной сети образуется четырех признаковая сеть содержащая:
|
|
|
1 признак - градиент поля вдоль профилей.
2 признак -градиент поля между профилями(слоями).
3 признак -полный градиент в плоскости профилей(слоев) и пикетов.
4 признак - направление полного градиента
Для продолжения работы нам необходимо было объединить магнитное и гравиметрическое профильтрованные поля (1, 2 признаки), их дисперсии (5, 6 признаки) и полные градиенты (3, 4 признаки) в одну 6-признаковую сеть:
После объединения выполняем классификации:
I Классификация по Петрову
В программе реализован алгоритм разделения многомерных, нормальных смесей который предназначен для разбиения территории на области однородные по комплексу признаков, с автоматическим определением конечного числа классов (возможен режим задания конечного числа классов пользователем). В результате работы программы формируется сеть, в которой содержатся результаты классификации - каждая точка сети характеризуется номером класса, к которому она принадлежит.
Кроме этого в текущей директории создается файл *.CLS, в который записывается информация о средних значениях, ср.кв. отклонении и стандарте отдельных признаков в каждом классе и качество классификации. Чем ближе значение последнего параметра к единице, тем лучше качество классификации. Программа эффективна при решении задач геологического картирования и районирования.
Файл CLS:
II Классификация методом динамических сгущений (К-средних)
Эта программа предназначена для классификации многопризнаковых данных методом динамических сгущений, который предназначен для разбиения исследуемой территории на области, однородные по комплексу признаков. Информация о конечном числе классов (однородных областей) задается пользователем.
Метрика -предусматривается обработка в евклидовой метрике L2и в метрике L1 и с использованием расстояния Мохалонобиса. Последнее позволяет учитывать корреляционные взаимосвязи между признаками.
|
|
|
Кроме этого при использовании расстояния Мохалонобиса корректно решается проблема нормировки признаков.
В результате работы программы формируется сеть, в которой содержатся результаты классификации - каждая точка сети характеризуется номером класса,
к которому она принадлежит.
Кроме этого в текущей директории создается файл *.CLS, в который записывается информация о средних значениях, ср.кв. отклонении и стандарте отдельных признаков в каждом классе и качество классификации. Чем ближе значение последнего параметра к единице, тем лучше качество классификации.
Программа эффективна при решении задач геологического картирования и районирования по комплексу параметров.
Файл CLS:
III Классификиция знаковая
В программе реализован алгоритм, позволяющий разбить обрабатываемую сеть на области, имеющие одинаковые знаки поля по комплексу признаков. Например, если обрабатываются два признака, то после работы программы будут выделены области, где оба признака положительны (++), первый - положителен второй отрицателен (+ -), первый - отрицателен второй положителен (+ -), и, наконец, оба признака отрицательны (- -) (естественно, что все анализируемые признаки предварительно центрируются). Если число анализируемых признаков равно n, то число областей определяется выражением 2n.
В текущей директории создается файл *.CLS, в который записывается информация о средних значениях, ср.кв. отклонении и стандарте отдельных признаков в каждом классе и качество классификации.
Несмотря на простоту применяемого алгоритма, эффективность его применения в задачах геологического районирования и интерпретации комплексных наблюдений очевидна.
Такое разбиение, при больших объемах информации и числе анализируемых признаков, практически невозможно провести без использования компьютера.
Файл CLS: 
Далее проделаем все классификации по сети, в которой 2 признака (только исходные поля):
I Классификация по Петрову
Файл CLS:
II Классификация методом динамических сгущений
|
|
|
Файл CLS:
Ш Классификация знаковая
Файл CLS:
При сравнении одинаковых классификаций по 6-признаковой и 2-признаковой сетям можно сказать, что 6-признаковые сети дают лучшие результаты.
Так же, сделаем компонентный анализ
Программа предназначена для проведения классического компонентного анализа многопризнаковой геоинформации, посредством вычисления ковариационной матрицы, поиска собственных значений и собственных векторов, и дальнейшей свертки многопризнаковой информации по собственным векторам.
Количество признаков в результирующей сети совпадает с числом анализируемых признаков (у нас 6). Первый признак (с наибольшей дисперсией) представляет собой свертку анализируемых признаков с собственным вектором ковариационной матрицы, соответствующим максимальному собственному значению, второй признак (с меньшей по отношению к первому признаку дисперсией) - с собственным вектором, соответствующим следующему по величине собственному значению, и т.д.
Распознавание многопризнаковых аномалий
Эта программа предназначена для распознавания многопризнаковых геофизических аномалий.
Для реализации алгоритма необходима информация об эталонной аномалии, которая может находиться в исходной или в любой другой сети. За эталонную аномалию чаще всего принимается прямоугольный фрагмент любой сети из базы данных комплекса, включая исходную. Например, прямоугольный фрагмент поля вокруг рудной скважины.
Алгоритм базируется на расчете статистики следа ковариационной матрицы в скользящем окне размеров при различных его наклонах. Вычисление статистики при различных наклонах окна позволяет локализовать участки, где поля "похожи" на эталонные, но их ориентация отличается от эталонной.
По завершению работы программы формируется сеть с количеством признаков, равным числу анализируемых направлений, которое в свою очередь задается пользователем.
Каждый признак является статистикой следа ковариационной матрицы для соответствующего направления.
|
|
|
Интерпретируются значения статистики следующим образом. Чем более похоже поле в окрестностях точки на эталонное, тем меньше значение статистики. Обычно порог принятия решения о наличии эталонной аномалии не более трех. Считается, что в окрестностях точки вероятность наличия эталонной аномалии высока, если рассчитанная статистика в ней лежит в диапазоне от 0 до 2.5.
Алгоритм эффективен при решении задач прогнозирования, геологического картирования и районирования.
|
|
|
