Фрагмент для ознакомления
2
Исходные данные состоят из набора точек (x_i, y_i), в которых были проведены измерения параметра Z_i. Каждая запись включает идентификатор пробной точки, координаты x и y, а также числовое значение параметра Z. Пусть количество точек обозначено как n. Тогда исходный набор можно представить как множество: D = {(x_i, y_i, Z_i) | i=1,…,n}. Координатная сетка охватывает изучаемый участок равномерно, что позволяет рассчитывать вариограмму с устойчивой статистикой.
2.2 Подготовка данных
Подготовка данных включает проверку на пропуски, корректировку координат и анализ выбросов. Были вычислены основные статистики, необходимые для оценки изменчивости параметра.
Среднее значение: Z̄ = (1/n) Σ Z_i
Несмещённая дисперсия: s² = (1/(n−1)) Σ (Z_i − Z̄)²
Стандартное отклонение: s = √s²
Коэффициент вариации: CV = s / Z̄
2.3 Статистический анализ
Для оценки характера распределения значений параметра построены гистограмма и диаграмма разброса. Эвклидово расстояние между точками вычисляется по формуле: h_ij = √((x_i − x_j)² + (y_i − y_j)²). Карта проб позволяет визуализировать пространственное распределение точек измерений и обнаружить их сгущения.
2.4 Экспериментальная вариограмма
Экспериментальная вариограмма отражает зависимость средней квадратичной разности пар значений от расстояния между точками. Количество пар точек в лаговом интервале определяется по формуле: N(h) = #(i,j : h−Δh < h_ij < h+Δh).
Экспериментальная вариограмма вычисляется как: γ(h) = (1/(2N(h))) Σ (Z_i − Z_j)². Основные свойства вариограммы включают рост γ(h) с увеличением h и достижение порога C₀ + C.
2.5 Определение эффекта самородка
Эффект самородка (nugget effect) является одной из ключевых характеристик вариограммы и отражает величину мгновенной пространственной вариабельности параметра. Он описывает скачкообразное увеличение значения вариограммы при расстояниях, стремящихся к нулю.
В идеализированном случае при отсутствии измерительных ошибок, а также отсутствии микромасштабной изменчивости, полувариограмма должна удовлетворять условию:
γ(0)=0.
Однако в реальных геологических данных наблюдается ненулевая величина в точке ( h \to 0 ), поэтому эффект самородка определяется как:
C0=γ(0+),
где
( C_0 ) — величина эффекта самородка,
γ(0+), — значение вариограммы при бесконечно малом расстоянии между парами точек.
Структурная интерпретация эффекта самородка
Значение эффекта самородка возникает вследствие трёх основных факторов:
1. Аналитические ошибки
Ошибки химических анализов, неточности измерительных приборов, различные лабораторные погрешности.
γerror=σanal2.
2. Микромасштабная геологическая изменчивость
Литологические неоднородности, проявляющиеся на масштабе меньше минимального расстояния между пробами.
γmicro=σmicro2.
3. Локальная вариабельность, не описываемая моделью
Случайные вариации, которые невозможно объяснить крупномасштабными трендами или структурой вариограммы.
В результате:
Отношение эффекта самородка к порогу вариограммы
Величина эффекта самородка используется для оценки общей доли неструктурной (шумовой) изменчивости в данных. В классической модели вариограммы:
где
( C ) — структурная часть дисперсии (sill – nugget),
( C_0 + C ) — полный порог вариограммы (sill).
Относительный эффект самородка:
где
• NE<0.25 — эффект слабый, данные хорошо структурированы;
• 0.25≤NE≤0.5 — умеренная мелкомасштабная изменчивость;
• NE>0.5 — преобладание шумовой составляющей, значительное влияние измерительных ошибок.
Определение эффекта самородка по экспериментальной вариограмме
Для практического определения используются следующие шаги:
1. Построение экспериментальной вариограммы по формуле:
2. Анализ первых двух–трёх лагов на предмет наличия ненулевого скачка.
3. Определение значения — минимально используемый лаг.
4. Экстраполяция кривой к точке ( h = 0 ).
5. Получение параметра ( C_0 ) как:
Если экспериментальная вариограмма демонстрирует резкий подъем в диапазоне ( h = 0 \ldots h_1 ), это однозначно свидетельствует о наличии значительного эффекта самородка.
Фрагмент для ознакомления
3
СПИСОК ЛИТЕРАТУРЫ
1. Матерон, Ж. Основы прикладной геостатистики / Ж. Матерон. — М.: Мир, 1968. — 406 с.
2. Демьянов, В. В., Савельева, Е. А. Геостатистика: теория и практика / В. В. Демьянов, Е. А. Савельева. — М.: Наука, 2010. — 327 с.
3. Каневский, М. Б., Демьянов, В. В., Савельева, Е. А. Элементарное введение в геостатистику / М. Б. Каневский, В. В. Демьянов, Е. А. Савельева. — М.: Наука, 1999. — 215 с.
4. Иркутский национальный исследовательский технический университет. Методические указания к курсовому проекту по дисциплине «Геостатистика в геологии и горном деле». — Иркутск: ИРНИТУ, 2023. — 34 с.
5. ИРНИТУ. Электронный образовательный курс «Геостатистика в геологии и горном деле» [Электронный ресурс]. — Режим доступа: https://lms.istu.edu.
6. Чайковский, И. Ю. Геостатистика: пространственный анализ данных / И. Ю. Чайковский. — Новосибирск: СО РАН, 2016. — 248 с.
7. Journel, A. G., Huijbregts, C. Mining Geostatistics / A.G. Journel, C. Huijbregts. — London: Academic Press, 1978. — 600 p.
8. Goovaerts, P. Geostatistics for Natural Resources Evaluation / P. Goovaerts. — New York: Oxford University Press, 1997. — 496 p.
9. Webster, R., Oliver, M. A. Geostatistics for Environmental Scientists / R. Webster, M. A. Oliver. — 2nd ed. — Chichester: Wiley, 2007. — 330 p.
10. Isaaks, E. H., Srivastava, R. M. An Introduction to Applied Geostatistics / E. Isaaks, R. Srivastava. — New York: Oxford University Press, 1989. — 561 p.
11. Armstrong, M. Basic Linear Geostatistics / M. Armstrong. — Berlin: Springer, 1998. — 160 p.
12. Chilès, J.-P., Delfiner, P. Geostatistics: Modeling Spatial Uncertainty / J.-P. Chilès, P. Delfiner. — 2nd ed. — Wiley, 2012. — 726 p.
13. Wackernagel, H. Multivariate Geostatistics: An Introduction with Applications / H. Wackernagel. — 3rd ed. — Berlin: Springer, 2003. — 387 p.
14. Cressie, N. Statistics for Spatial Data / N. Cressie. — Revised ed. — Wiley, 2015. — 928 p.
15. Deutsch, C. V., Journel, A. G. GSLIB: Geostatistical Software Library and User’s Guide / C. Deutsch, A. Journel. — 2nd ed. — New York: Oxford University Press, 1998. — 369 p.