CC BY
44
Список литературы
1. Кулаков П. А., Афанасенко В.Г., Малышев В.Ю., Садыков И.Р. Совершенствование клапана бурового насоса // Известия Тульского государственного университета. Технические науки. 2020. Вып. 2. С. 405-412.
2. Карпов М.В. Исследование влияния процессов диссоциации воздуха при обтекании цилиндра на окологиперзвуковых скоростях // Известия Тульского государственного университета. Технические науки. 2019. Вып. 12. С. 517-522.
3. Вайцель А.А. Подход к определению скоростных параметров движения жидкостей при изменяющихся сечениях труб // Известия Тульского государственного университета. Технические науки. 2020. Вып. 6. С. 171-174.
4. Вайцель А. А. Аналитический подход определения давления на стенках труб и внутри них // Известия Тульского государственного университета. Технические науки. 2020. Вып. 6. С. 152-155.
5. Абрамов Н.Н., Поспелова М.М., Сомов М.А. Расчет водопроводных сетей. М.: Стройиздат, 1983. 304 с.
Гаврюхина Анна Владиславовна, магистрант, angel12vat@,gmail. com, Россия, Тула, Тульский государственный университет
APPLICATION OF MODERN SOFTWARE FOR SOLVING HYDRODYNAMIC TASKS OF
WATER SUPPLY
A.V. Gavryukhina
The problem of calculating the hydrodynamic parameters of pipelines is considered, a comparison of the types ofpipe joints is carried out using the analysis of data obtainedfrom computer modeling in modern multiphysics programs of finite element calculation.
Key words: program, analysis, processing, data, pipeline.
Gavryukhina Anna Vladislavovna, student, angel12vat@gmail. com, Russia, Tula, Tula State University
УДК 519.254; 622
МЕТОДЫ МАТЕМАТИЧЕСКОГО И КОМПЬЮТЕРНОГО АНАЛИЗА И ОБРАБОТКИ ИНФОРМАЦИИ В ГОРНОМ ДЕЛЕ И ГЕОЛОГИИ
Т.Е. Ковалёва
Рассматривается возможность и перспективность математического и компьютерного анализа и обработки данных с применением ЭВМ касаемо горнодобывающей промышленности и геологических изыскательных работ.
Ключевые слова: ЭВМ, анализ, данные, информация, горная промышленность, геология.
Чтобы установить перспективность территории на тот или иной вид полезных ископаемых, геологу необходимо систематизировать и сравнить между собой огромное количество сведений по различным районам, учесть изменчивость геологических признаков в разных природных условиях, породах и глубинах.
Объем информации, подлежащей обработке, бывает столь велик, что выполнить эту работу в обозримые сроки можно лишь с помощью электронно-вычислительной машины (ЭВМ).
Допустим, требуется изучить зависимость всего между 10ю геологическими признаками, выявленными в результате 500 анализов горных пород. Для этого предстоит построить 45 графиков. Если на каждый график потребуется около 2 часов, то работа займет 2 недели. Электронно-вычислительная машина средней мощности решит эту задачу за минимальный промежуток времени (рис. 1) [1,2].
А ведь в результате геологических исследований специалист нередко получает сотни тысяч значений различных признаков. Разобраться в этом море сведений нелегко. Для обработки материала требуется слишком много времени. К тому же человек может ошибиться. Поэтому все чаще геология обращается к услугам быстродействующих ЭВМ.
Одним из видов задач, с которой сталкивается геолог в каждодневной работе -распознавание объектов, и для автоматизации и упрощения данной работы применяются вычислительные машины со специализированным программным обеспечением.
Рис. 1. Математическая обработка графика с использованием ЭВМ
Математическое моделирование в совокупности с геологией и горным делом среди прочих включает задачи, связанные с разделением совокупности геологических объектов на однородные группы, число которых заранее не определено. Классическим примером подобных задач является задача классификации ископаемых останков по набору морфометрических признаков [6].
Среди формальных процедур численной таксономии ведущее место занимает кластерный анализ. В качестве меры сходства выступает евклидово расстояние между объектами в многомерном пространстве признаков [6]:
d-ik = J^feij ~ xkj) ■
В основе задач геологического исследования лежит изучение закономерностей пространственного строения объектов земной коры. Этим занимается геостатистика, в которой основным элементом является т.н. пространственная переменная. В свою очередь эта переменная считается известной, если задана функция распределения F(x, z) = P{Z(x) < z}. При этом пространственная переменная обладает свойствами как детерминированных, так и случайных величин, а подход к ее описанию называется тренд-анализом. В частности, одним из методов тренд-анализа является метод полиномиальной регрессии [6]:
и (х,у) = Рк(х,у) = Ь0 + Ьхх + Ъ2у + Ь3ху + +Ь4х2 + •■•
В зависимость от значения к поверхность тренда представляет собой различную плоскость, выбор которой осуществляется с учетом суммы квадратов отклонений = 1(Рк - Я)2- [6]. Именно таким образом осуществляется математическое моделирование закономерностей пространственного строения объектов земной коры.
Помимо этого, повседневно приходится геологу решать задачи распознавания объектов; ЭВМ прекрасно справляется с этим заданием. Можно, например, ввести в память машины характеристики известных месторождений, а затем предложить ей проанализировать сведения об интересующих нас районах и дать ответ, какие из них наиболее перспективны.
Сравнивая данные о радиоактивности, пористости, мощности и других признаках нефтяных пластов с параметрами исследуемых горизонтов, ЭВМ выдаст рекомендацию, где следует ожидать проявления нефтеносности. Решая задачи прогнозирования полезных ископаемых, ЭВМ может обучаться и со временем повышать надежность своих заключений (рис. 2) [3].
Применение математических методов и электронно-вычислительной техники позволяет не только оперативно обрабатывать большие объемы информации, но и устанавливать новые геологические закономерности, открывать неизвестные ранее связи между геологическими объектами и явлениями.
В настоящее время остро стоит проблема в совершенствовании математических методом проведения различных горных работ, в том числе и геологоразведочных, что связано с ростом требований, предъявляемых промышленностью к геологическим данным.
Рис. 2. Пример использования ЭВМ для решения геологических проблем
На данный момент во время геологоразведочных работ прогнозируемые объемы залежей должны быть подтверждены геологическими съемками. Данный факт способствует значительному увеличению объемов одновременно обрабатываемых данных, которые практически невозможно обработать вручную из-за постоянного появления все новых данных в процессе обработки. Что приводит к возрастанию необходимости применения разнообразных программ, значительно упрощающих работу людей. При этом обрабатываемая информация может иметь различный характер, например, описательная, цифровая, картографическая, такое разнообразие типов данных значительно усложняет обработку.
Так, при исследовании рудных бассейнов чаще всего изучают химические элементы, при исследовании россыпных месторождений изучают содержание полезных материалов. Например, при переработке руд, на основе олова значительно легче, в сравнении с сульфидами, извлекаются оксиды олова.
Много важных практических выводов дало, например, изучение математических зависимостей между геологическими признаками. Выяснилось, в частности, что химические элементы образуют в горных породах устойчивые сочетания - ассоциации, причем состав ассоциаций свидетельствует о тех условиях, в которых образовалась порода.
Это открытие может быть использовано при оценке рудоносности осадочных толщ и магматических комплексов, а также при палеогеографических построениях. На его основе созданы программы, позволяющие воссоздавать климат и ландшафт минувших тысячелетий, находить положение береговой линии древних континентов, устанавливать соленость вод давно исчезнувших бассейнов, определять границы рудных полей.
Такая информация позволит заранее, без непосредственных разведывательных работ сделать приблизительные предположения о возможных залежах полезных ископаемых, таких как руды, нефть и прочее. Применение программ на основе методов, позволяющих предположить залежи полезных ископаемых, а также методов статистической обработки информации, введенной в данные системы позволить существенно сэкономить финансовых ресурсов за счет более точных разведывательных работ, а также найти новые залежи, которые не были обнаружены с помощью классических методов.
Список литературы
1. Шпрехер Д.М., Бабокин Г.И., Колесников Е.Б. Математическое моделирование электропривода очистного комбайна с встроенной системой перемещения // Известия Тульского государственного университета. Технические науки. 2019. Вып. 3. С. 645-651.
2. Михайлов Д.Ю. Краткий обзор математического программного обеспечения // Известия Тульского государственного университета. Технические науки. 2019. Вып. 4. С. 325-333.
3. Данилов А.И., Зубачев А.М., Данилов А. А. Методика численного анализа эффективности подготовкии применения сложной технической системы // Известия Тульского государственного университета. Технические науки. 2018. Вып. 8. С. 186199.
4. Григорьев М.С., Ковалёва Т.Е., Тутов С.С. Анализ конструкции и особенности шагающего экскаватора, применяемого в горной промышленности // Известия Тул-ского государственного университета. Технические науки. 2020. Вып. 6. С. 251-254.
5. Аксёнова Д.В., Коваль В.Н., Нехорошева А.Н. Перспективы и использование геоинформационных систем // Известия Тульского государственного университета. Технические науки. 2019. Вып. 12. С. 420-422.
6. Математические методы моделирования в геологии: Методические указания к лабораторным работам / Санкт-Петербургский горный ин-т. Сост. Ю.Л.Гульбин. СПб, 2005. 46 с.
Ковалёва Татьяна Евгеньевна, студент, [email protected], Россия, Тула, Тульский государственный университет.
METHODS OFMATHEMATICAL AND COMPUTER ANALYSIS AND INFORMATION PROCESSING IN MINING AND GEOLOGY
T.E. Kovaleva 275
The possibility and prospects of mathematical and computer analysis and data processing with the use of computers with regard to the mining industry and geological survey works are considered.
Key words: computers, analysis, data, information, mining, geology.
Kovaleva Tatyana Evgeyevna, student, tutowserg@yandex. ru, Russia, Tula, Tula State University
УДК 004.94; 331.45
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ РАБОТЫ ОБОРУДОВАНИЯ ДЛЯ ОБЕСПЕЧЕНИЯ КОМФОРТНОЙ ТЕМПЕРАТУРЫ В ПРОИЗВОДСТВЕННОМ ПОМЕЩЕНИИ
П.А. Шишкина
Рассматривается сравнение параметров системы кондиционирования и их влияние на температурный режим в производственном помещении. Анализируются условия работы и подбирается оптимальный режим работы оборудования.
Ключевые слова: условия труда, производство, компьютерное моделирование, математическое моделирование, анализ, сравнение.
Большинство людей на данный момент работает в закрытых помещениях, в офисных зданиях, у себя дома, на заводах. И правильная система кондиционирования в помещениях способствует обеспечению нормальных и комфортных условий труда. Особенно это важно на производстве, где в одной комнате могут находиться как люди, так и оборудование, которое, как правило, является источником тепла.
Поэтому вопрос об обеспечении комфортных условий для сотрудников предприятий является одним из наиболее приоритетных [1,2,3,4]. Для решения этого вопроса возможно применение программных комплексов для математического моделирование, которое позволяет подобрать правильный режим работы (температуру и скорость обдува, направление) климатического оборудования.
В работе рассматривается рабочее помещение, в котором установлены два станка (источника тепла), как показано на рис. 1. Помимо этого в помещении находится климатическая установка, осуществляющая охлаждение помещения и дверь, через которую воздух выходит из рабочего помещения.
Для изучения влияния параметров климатического оборудования был проведен ряд компьютерных моделирований в АшуБ [5], целью которых было нахождение оптимального режима для создания таких условий, в которых обеспечивалась бы полноценная охрана труда и комфортная работа.
Рассматривались несколько режимов работы климатического оборудования, отличающиеся скоростью подачи воздуха и его температурой (выбор режимов обуславливается ограничением кондиционеров):
1. У=9 м/с, Т=16°С;
2. У=5 м/с, Т=20°С;
3. У=9 м/с, Т=20°С;
4. У=5 м/с, Т=16°С.
