Алгоритм выделения локальных аномалий при обработке геофизической информации Текст научной статьи по специальности «Медицинские технологии»

2) оптимизации параметров системы разработки при проектировании и эксплуатации месторождений облицовочного камня;

3) представления модели месторождения в трехмерном виде с использованием графического пакета AutoCAD.

На основе единого банка данных но разведочным и эксплуатационным скважинам можно производить множество различных расчетов

Таблица 2

Пример расчета выхода блоков

Выход блоков облицовочного камни

Скважина в % при размере столбиков керна, м Итого

> 2.0 1.0 — 2.0 0.4 - 1.0 0.2 — 0.4

37 0.00 36.67 41.77 17.01 95.45

4 У 0.00 84.98 10.97 3.00 98.95

42 0.00 58.95 31.57 6.98 97.50

43 5.28 61.57 23.75 7.27 97.87

Итого 1.32 60.54 27.01 8.56 97.44

и графических построений, причем такая геоинформационная модель месторождения может пополняться, изменять свое функциональное значение в зависимости от поставленной задачи. Реализация программного обеспечения с использованием СУБД FOXPRO и графического пакета AutoCAD обеспечивает совместимость с другими прикладными пакетами 'программ по информационному и программному обеспечению.

УДК 550.8.053:519.2

Н. И. Эткина

АЛГОРИТМ ВЫДЕЛЕНИЯ ЛОКАЛЬНЫХ АНОМАЛИЙ ПРИ ОБРАБОТКЕ ГЕОФИЗИЧЕСКОЙ ИНФОРМАЦИИ

В связи с широким применением персональных компьютеров в геофизической практике стала возможной разработка математических методов и программных средств, позволяющих по-новому подойти к важнейшей проблеме обработки геофизических данных — разделению геофизических полей. Предлагается метод выделения геофизических аномалий при заданных корреляционных свойствах фона и локальных аномалий.

Геофизические методы предполагают обработку поверхностных или профильных (площадных) измерений некоторых переменных, при этом делаются выводы о распределении физических свойств (плотности, магнитной восприимчивости и т.д.). В своей основе геофизические методы исследований Земли опираются на измерение различных физических полей. Измеряемое поле, как правило, является суперпозицией полей различных объектов. Важнейшей проблемой геофизических исследований является разделение физических полей.

Основным подходом при обработке геофизических данных является выбор модели поля. Общепринятой моделью поля [1. 2] в грави-разведке и магнитометрии является аддитивная модель, т.е. наблю-

денный сигнал представляется как сумма аномального сигнала и сигнала-помехи. Использование априорной информации об аномалии и помехах дает возможность более эффективно использовать алгоритм обработки для их разделения. Поэтому лучше оценить по возможности заранее, в какой мере размер и форма аномалии различимы от аномалий, произведенных обычными фоновыми вариациями различных параметров. В основе вероятностно-статистического метода разделения геофизических полей лежит предположение о нормальном распределении помех.

В принятой модели поля сигнал представлен детерминированной функцией, нормальный сигнал-помеха характеризуется заданными корреляционными свойствами. По производимым преобразованиям предложенный метод можно отнести к области линейной фильтрации. При выделении полезного сигнала не требуется определения спектральных оценок полезного сигнала и помехи. Статистическое моделирование аномалий проводилось на фоне нормальной некоррелированной помехи с нулевым средним и заданным среднеквадратическим отклонением, соизмеримым с амплитудой модельного сигнала.

Основным при статистическом моделировании аномалий является выбор функции, достаточно хорошо описывающей объект. При моделировании аномалий использовалась наиболее часто употребляемая для аппроксимации геофизических аномалий |2] функция Гаусса

К, ф - Л- ехр [- (/- М,)/(2 ЯГ,2)], (1)

где К, (/) — величина сигнала, М, —центр положения аномалий, 57,— полуширина аномалии, Т7,- — максимальная амплитуда аномалии.

На стадии предварительной обработки проводилось осреднение в скользящем окне и определение аномальных участков. Для сглаживания сигнала на аномальных участках использовалась полиномиальная аппроксимация. Полиномиальная аппроксимация по методу наименьших квадратов является эффективным методом для выделения гравитационных аномалий на фоне помех. Возможности использования этого метода при описании гравитационных аномалий, а также выбор оптимальной степени полинома обсуждаются в работе [3].

Описание метода. Полиномиальная регрессия обеспечивает нахождение коэффициентов полинома:

у(х)-а0 + а,-х + а«хг+ ... +аткт (2)

из решения системы уравнений:

СгАо + с,а, + ...-}-^Оо + СгЯ, + ... 4-ст+1аП1— (¿1, (3)

(4)

•" (5)

• Полином (2) степени тСМ, где N — число пар X, и У,, обеспечивает- аппроксимацию таблично заданной функции с минимальной среднеквадратической погрешностью.

СтО0 + С/п-!^ + • • • -Г С2щОт — ат.

где л ; .-

С,-2 X* /'-О, 1, 2, ... 2т; 1=1

: .■• ."."•' " '* й' ' '■ ■'..... . "* /

¿к — 2 к — О, 1,2. .... т.

- • • 1=1

Возможно [3] представление геофизических аномалий суммой конечных рядов Фурье:

D

д£(9- 1/2+ 2 (Ad cos(2nd/x0 + fid sin(2nd/1/)), (6)

d—i

где fi —частота повторения, d— номер гармоники.

Коэффициенты Фурье определяются выражениями:

г

Лв-2/Г- ¡ Ag(¿)-eos di, (7)

о

5c-2/r.jA^(/)sin(2nd/10dí, (8)

о

где T—1/fi — период повторения функции.

Исходя из возможности разложения синусов и косинусов в выражении (6) в ряд Тейлора, гравитационные аномалии можно представить конечным полиномом достаточно высокой степени.

Точка максимума на аппроксимирующей кривой принималась за центр аномалии. Восстановление формы полезного сигнала предусматривало определение остальных характерных точек аномалии: точки максимального градиента, максимальной амплитуды. Определялись погрешности и пороговые условия выделения аномалий.

Разработано программное обеспечение в среде TURBO С+ + , позволяющее с использованием графического отображения большинства этапов процесса эффективно проводить обработку геофизических данных в интерактивном режиме, имеется возможность визуально контролировать процесс выделения аномалий на фоне помех. Варьировались ширина, амплитуда, расстояние между центрами аномалий. Оценивалась эффективность метода.

Рнс. 1. Вид исходного сигнала с наложением сигнала-помехи с нулевым средним и среднеквадратическим отклонением. равным 100 % от максимальной амплитуды

Пример. Проводилось разделение двух гауссианов. Среднеквадра-тическое отклонение, характеризующее сигнал-помеху, равно 100 % от максимальной амплитуды сигнала (рис. 1). Расстояние между центрами аномалий — четыре полуширины. На рис. 2 показан вид модельного сигнала без наложения сигнала-помехи. На каждом профиле моделировалось две аномалии, всего 100 точек. Для первого гауссиана амплитуда, ширина и центр положения следующие: 7, 10, 30,

для второго — соответственно 7, 10, 70. Прн восстановлении полезного сигнала (рис. 3) характерные точки для первой аномалии: 7.166, 10, 51, для второй аномалии — 7.789, II, 73.

Погрешности определения параметров аномалии по восстановленному сигналу следующие. По первой аномалии: смещение центра ано-

Л7 100

Точки профиля

Рис. 2. Вид модельного сигнала, являющегося суперпозицией двух гауссланов

малии по отношению к ширине равно 10%. Смешение точки максимального градиента по отношению к ширине равно 20%. Погрешность определения максимальной амплитуды по отношению к первоначальному значению равна 2,3%. Для второй аномалии погрешности соответственно следующие: по центру аномалии — 30%, по точке макси-

Рнс. 3. Разделение аномалий предложенным методом. Пунктиром показан полезный сигнал по каждой аномалии

Полученные оценки восстановления полезного сигнала свидетельствуют об удовлетворительной разрешающей способности метода. Порог чувствительности алгоритма при разделении аномалий определялся на расстоянии, равном трем полуширинам между центрами аномалий с одинаковыми максимальными амплитудами и четырем полуширинам для сигналов с разными по величине амплитудами.

Для определения порога по шуму использовался одномодальный сигнал вида (/). Порог определялся на пиковом соотношении сигнала-помехи, равном 1,9.

Выводы

В условиях равноудаленных наблюдении данный алгоритм позволяет:

1) эффективно выделять аномальный сигнал при соотношении сигнала-помехи до 190 % от максимальной амплитуды сигнала;

2) надежно производить разделение аномалий на расстоянии между их центрами до трех полуширин при уровне сигнала-помехи 100 % от максимальной амплитуды сигнала;

3) производить выделение полезного сигнала без определения спектральных оценок сигнала и помехи.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

I Аксенов В. В. Алгоритмы разделения геофизических полей,— Новосибирск: ВЦСО АН СССР, 1989,— 257 с.

2. Никитин А. А. Статистические методы выделения геофизических аномалий — М.: Недра. 1979,— 280 с.

3. Zeng, H. Estimation of the degree of polynomial fitted to gravity anomalies and its application. Geophysical Prospecting 37, p. 959—973.

УДК 622.271.324:681.3.069

А. Д. Стариков

ПРИНЦИПЫ СОЗДАНИЯ АВТОМАТИЗИРОВАННОГО БАНКА ДАННЫХ СИСТЕМЫ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА НА ГОРНОМ ПРЕДПРИЯТИИ

Горнодобывающая отрасль промышленности относится к ряду сложнейших как по своей структуре, так и по планированию и управлению технологическими процессами. Стохастический характер производственных процессов, неопределенность горно-геологических условий, погрешности в определении качественных характеристик месторождений полезных ископаемых и другие возмущающие воздействия во многом усложняют достоверное прогнозирование работы предприятий.

Решение задач горного производства связано с обработкой большого объема информации: геологической, технической, технологической, экономической и др., что обусловило широкое применение ЭВМ в горном деле.

Особенностью системы железнодорожного транспорта на горном предприятии как объекта исследования является его связующая роль во взаимодействии основных технологических процессов добычи. Успешная работа железнодорожного транспорта во многом зависит от подготовленности забоев при погрузке непосредственно в думпкары, технического состояния оборудования смежных звеньев (экскаваторы, буровые станки), приемной способности отвальных тупиков, состояния перегрузочных пунктов при комбинированном транспорте, т.е. от горно-геологических и горно-технических условий разработки. Значительное влияние оказывают не только внешние факторы, но и внутренние условия работы самой системы:

— технические условия эксплуатации (руководящий уклон путей; напряжение и род тока (при электрифицированном транспорте); полезная масса поезда; вид подвижного состава, тип локомотива и думпкаров; рабочий парк транспортных средств; техническое состояние транспортного оборудования);