Основные понятия, показатели и этапы освоения месторождений твердых полезных ископаемых [1]
|
| 5.1.2. Подбор моделей вариограмм
Экспериментальная вариограмма может быть непосредственно использована для решения геологоразведочных задач, однако, такое ее применение весьма ограничено условиями, для которых она действительна. Из-за дискретности геологических наблюдений рассчитанная реализация вариограммы соответствует только тому ограниченному набору исходных данных, который точно соответствует объему выборочной совокупности и взаимному расположению точек измерения геологической переменной в пространстве. В практике решения геостатистических задач обычно необходима информация о значениях вариограммы для любых (в т.ч. - заранее неизвестных) расстояний между этими точками, независимо от того, соизмеримы они каким-либо образом с шагом разведочной сети (или опробования) или нет. По этой причине дискретная экспериментальная вариограмма должна быть аппроксимирована некоторой непрерывной функцией, которая может быть вычислена для любого необходимого значения аргумента. Опыт подсказывает, что аналитическая форма модели не так важна, как ее главные свойства. Расположим их в порядке уменьшения важности (см. рис. 5.6): • эффект самородка (нарушение непрерывности функции в начале), • наклон линии в начале, • зона влияния, • порог, • анизотропия. Поведение в начале (эффект самородка и наклон) играет критическую роль в подборе модели вариограммы; оно также имеет огромное значение для результатов кригинга и стабильности его системы уравнений. Наклон можно оценить по первым трем - четырем значениям вариограммы; эффект самородка - экстраполяцией кривой в начало системы координат. Первое значение вариограммы для надежности вычисляется по возможно большему количеству пар точек. Бурение дополнительных скважин на небольших расстояниях может помочь получить лучшее значение эффекта самородка. Зону влияния обычно можно оценить визуально. Порог характеризуется значением, где вариограмма стабилизируется (становится горизонтальной). Для стационарных переменных порог совпадает с общей дисперсией проб, но иногда это не верно, так как в исходных данных присутствуют тренды большой протяженности. Если присутствует более одной зоны влияния (несколько структур), то вспомогательные зоны можно различить визуально в местах, где вариограмма меняет кривизну. Моделирование анизотропии требует большего опыта. В общем, хорошую модель можно получить как сумму двух или трех единичных моделей. Использование большего числа моделей для суммирования повышает стоимость последующих вычислений, поэтому необходимо избегать этого. Подгонка обычно делается интерактивно с использованием какого-нибудь графического редактора. жүктеу/скачать Достарыңызбен бөлісу:
|