книги / Математические методы моделирования в геологии
..pdfТермины «региональный» и «локальный» весьма субъективны и в значительной степени зависят от размера изучаемого региона. Имеющиеся данные оказывают влияние на установление регио нального тренда и локальных отклонений. Так, например, бесполез но искать какой-либо смысл локальных закономерностей, если об ласти их проявления близки к размерам и участкам исследования. С другой стороны, при повторных поисках нефти в какой-либо об ласти могут представлять интерес небольшие структурные анома лии, так как заранее известно, что более крупные структуры данной области уже изучены. В этих условиях закономерности, выявляе мые на таких мелких структурах, следует рассматривать как регио нальный тренд.
В представленной ситуации можно различными способами вы делить региональную и локальную компоненты. Допустим, что ре гиональный тренд характеризуется прямой линией, проходящей через совокупность точек наблюдения. Тогда все данные можно разделить на линейный тренд и три локальные большие аномалии. Можно использовать для описания и более сложную функцию, на пример, кубическую. Вероятна и такая ситуация, когда результаты опробования и кривая тренда будут совпадать, так что остаток бу дет отсутствовать. Конечно, в этом случае нельзя будет провести разделение на региональные и локальные компоненты, и такое ис следование потеряет смысл.
Возникает вопрос: можно ли по результатам исследования объ ективно выделять эти два компонента? Ответ будет положитель ным, если вместо геологического понятия тренда мы воспользуемся ранее изученными методами математической статистики. Напри мер, тренд можно определить как линейную функцию географиче ских координат, построенную по набору наблюдений так, что сумма квадратов отклонений от тренда минимальна.
Рассмотрим более подробно определение тренда:
1.Определение основано на понятии географических коорди нат. Это значит, что результат наблюдения рассматривается как функция положения наблюдения в пространстве.
2.Тренд рассматривается как линейная функция, имеющая
форму
где Рь Рг. ... x„ - географические ко ординаты.
Ранее была рассмотрена линия регрессии Y на X, которая явля ется наилучшей оценкой Y для любого заданного значения X.
Уравнение прямой Y = po+Pi* находилось путем решения сис темы так называемых нормальных уравнений:
пп
«Po+Pi Z * = Z ^
< |
/-1 м |
|
P o Z x + P i Z x 2 = t ^ / .
/-1 М /-1
относительно неизвестных коэффициентов р0 и Рь Эту систему уравнений легко приспособить, если имеются какие-либо два аргу мента, например географические координаты. В результате полу чим уравнение линейной поверхности тренда:
Y= p0+Pi*i+Par2.
В данном случае результат геологического наблюдения рас сматривается как линейная функция двух координат JCI и х2 при ко эффициентах ро, Pi и р2; оценить эту функцию можно с помощью уравнений.
Z * = Р0« + PiZ * i + Р2 Z *2;
/-1
Z ^ |
= РоZ |
Х 1 + PiZ x i + Р2Z * rх 2 ; |
Z * ^ |
= РоZ |
*2 + PiZ * i *2 + РгZ х2• |
Решив эти уравнения относительно Ро. Pi и Рг найдем их оценки.
Метод наименьших квадратов может быть применен не только к уравнению прямой, но и к уравнению кривой второго (более вы сокого) порядка путем добавления соответствующих компонент:
r=Po + PlX, + p 2*2-
Значимость поверхности тренда или уравнения регрессии мож но проверить с помощью дисперсионного анализа, который основан на разделении общей дисперсии набора наблюдений на компонен ты, соответствующие определенным источникам изменчивости.
4.10. Сравнение карт
Обычная задача большинства геологических исследований за ключается в сравнении друг с другом двух или более карт некото рой территории. Это могут быть карты петрографических и мине ралогических составляющих, различных физико-химических пара метров, а также структурные карты.
По-видимому, простейший путь сравнения двух карт состоит в вычислении коэффициента корреляции между картируемыми пе ременными. Если две карты построены для переменных, измерен ных в одних и тех же точках, то этот метод состоит просто в вычис лении коэффициента корреляции между картируемой переменной 1 и картируемой переменной 2 , при этом расположение точек во вни мание не принимается. Коэффициент корреляции вычисляется по известной формуле.
Труднее сравнивать карты с переменными в разных точках. Один из возможных способов получения меры общего сходства - оценка значений двух переменных на множестве точек сетки, об щей для двух карт. Однако никакого статистически значимого ко эффициента корреляции по этим данным получить невозможно. Очевидно, надежность корреляции повышается с увеличением плотности контрольных точек.
Сравнение карт с помощью корреляции между оценками в кон трольных точках легко осуществить в том случае, если карты стро ить с помощью ЭВМ.
Примером простейшего сравнения двух карт переменной одно го типа в одной и той же области является карта изопахит, получен ная по двум структурным картам.
Если карты построены в одних и тех же единицах, то сравнение можно провести с помощью простого вычитания. Однако задача
усложняется, если картированы две разные переменные. В этом случае находят уравнение (модель), определяющее одну из пере менных через другую. Карта разностей данных величин и будет картой разностей между Х и Y.
4.11.Статистические методы проверки гипотез
оналичии тренда
Для решения вопроса о наличии каких-либо пространственных (или временных) закономерностей наблюдаемой изменчивости свойств геологического объекта могут быть использованы два наи более простых и экспрессных способа - смены знаков и числа скач ков. Решение задач этого типа основано на сравнении свойств на блюдаемых полей или упорядоченных последовательностей со свойствами или последовательностей, в которых закономерная со ставляющая (тренд) заведомо отсутствует.
Точкой смены знака в упорядоченной последовательности на зывается такой элемент последовательности, в котором знак при ращения изменяется на противоположный - убывание на возраста ние или наоборот (рис. 14).
Число точек смены знака в случайных последовательностях за висит только от общего количества элементов последовательности N. Если N> 10, статистическое распределение числа точек смены знака близко к нормальному с математическим ожиданием
d, т/м3
Рис. 14. Изменение объемной массы d угля по простиранию пласта в пределах шахтного поля: ° - точки смены знака, п - расстояние между скважинами
2 N - 4
М(0 =
3
и дисперсией
16W-29
а 2 ( 0
90 Это дает возможность ис
пользовать при статистической проверке гипотезы о наличии тренда таблицу функции нор мального распределения. Про верка гипотезы основана на срав
нении фактического значения числа точек смены знака t, получен ного по исследуемому графику, с теоретическим его значением М(0- Поскольку в таблицах приводятся значения нормированной функции нормального распределения, разницу между фактическим и теоретическим числом точек смены следует разделить на yjo2(t) для получения вероятностного критерия
z'-M (Q
^( i ) '
Внеслучайной последовательности значения t и М(/) не долж ны существенно отличаться. Следовательно, вероятность больших по абсолютной величине значений критерия Z будет мала. Так как значения критерия Z распределены нормально с параметрами 0 и 1, то по его величине с помощью таблиц нормированного нормально го распределения можно оценить вероятность полученного по ис следуемому ряду отклонения фактического числа точек смены зна ка от теоретического при условии, что ряд случаен. Если эта веро ятность мала (например, меньше 0,05), то гипотеза о случайном характере исследуемого ряда отвергается и считается, что он имеет тренд.
Пример. Проверим гипотезу о наличии тренда в изменении объемной массы угля по продольному профилю из 30 буровых сква жин, ориентированному по простиранию угольного пласта (см. рис. 14). Математическое ожидание числа точек смены знака для N = 30 будет
м (/) = |
2-30-4 |
18,7, |
|
3 |
|||
|
|
а дисперсия о2 (t) =-----—-----» 5,0. Фактическое число точек сме
ны знака по профилю 13, следовательно, значение критерия Z со ставит
_ 13-18,7
-2,55,
=V?
что соответствует вероятности 0,0054. Вероятность полученно го отклонения фактического числа точек смены знака от теоре тического для случайного ряда настолько мала, что гипотезу о случайном характере изменения объемной массы угля по простира нию угольного пласта следует отвергнуть.
Способ проверки гипотезы о наличии тренда по количеству скачков используется в случае, когда упорядоченная последова тельность состоит из двух типов элементов, которые условно мож но обозначить знаками плюс (+) и минус (-). Скачком называется интервал последовательности, в пределах которого наблюдаются
элементы только |
одного |
типа. |
Например, |
последовательность |
+ + - + + -------- + - |
может |
быть |
разделена |
на шесть скачков |
(++Х-Х++Х— |
Х+Х-). |
|
|
|
Последовательности такого типа могут быть получены путем разделения всех значений исследуемого свойства на две группы по их отношению к медианному значению. Все значения больше меди анного обозначаются знаком (+), а меньше - знаком (-). Число скачков в случайных последовательностях зависит от количества элементов первого п\ и второго п2 типа. Статистическое распреде ление количества скачков и в случайных последовательностях асимптотически нормальное с математическим ожиданием
и дисперсией
2и,л2(2и,л2- и, - п 2)
(/JI +«2)2(«,+/J2 - 1)
Как и в предыдущем способе, фактическое значение числа скачков и сравнивается с теоретическим по исследуемому ряду М(и) по критерию
и- М (и )
Спомощью таблиц нормального распределения определяется вероятность полученного значения Z в случайной последовательно-
сти. Если эта вероятность мала, |
У»0/о |
||||
гипотеза о том, что исследуе |
|
||||
мая |
последовательность |
явля |
|
||
ется |
случайной, |
отвергается |
|
||
и считается, |
что |
она |
имеет |
|
|
тренд. |
|
|
|
|
|
Пример. |
Проверим |
гипо |
|
||
тезу |
о случайном характере |
Рис. 15. Изменение общей пористости (у) |
|||
изменения общей |
пористости |
четвертичных игнимбритов |
|||
четвертичных |
игнимбритов |
|
|||
андезитового |
состава по про |
|
филю вкрест простирания потока вулкана (рис. 15). По способу точек смены знака эта гипотеза не отвергается, так как факти ческое значение величины t точно совпадает с математическим ожиданием для случайного ряда значений
w / 4 2-17-4 1Л М(0 = ---------- = 10.
Проведя на профиле линию, соответствующую медианному значению (Me = 36 %), разделим наблюдаемые значения на два класса. При этом количество значений, меньших медианного - п \= 9 , больших медианного - пг = 8, а количество и = 6 .
Вычислим математическое ожидание и дисперсию количества скачков для случайного ряда при я/ = 9 и п2 = 8:
М(ы) = 1 Q. 8■+ 1 ~ 9 5; 9 + 8
2 9-8(2 9 8 -9 -8 )
(9 + 8)2(9 + 8-1)
Значение критерия Z при этом составит
6-9,5
1J5,
4
что соответствует вероятности 0,04. Таким образом, при дове рительной вероятности 0,95 гипотезу о случайном изменении по
ристости исследуемых пород по данному направлению следует от вергнуть. Тренд в данном случае устанавливается визуально по тенденции к увеличению пористости по направлении вулканическо го потока.
Каждый из рассмотренных способов применим для выяснения закономерностей определенного типа. Способом «смены знака» лучше улавливаются локальные закономерности, проявленные плавными изменениями исследуемых свойств, в то время как спо собом «скачков» отчетливее устанавливаются общие тенденции, присущие всему исследуемому ряду. Поэтому для принятия гипоте зы о наличии тренда достаточно, чтобы она подтверждалась хотя бы одним из этих способов.
Оба способа можно использовать и для проверки гипотезы о характере изменения свойств геологических образований в дву мерном пространстве, то есть по площади. Для этого необходимо построить графики изменения свойств по различным направлениям.
4.12.Аппроксимация поверхностей тренда полиномами
ианализ остатков
Выделение региональных закономерностей путем аппроксима ции эмпирических данных функцией координат пространства свя зано с довольно сложными вычислениями, обычно требующими применения ЭВМ. В качестве аппроксимирующих функций исполь зуются ортогональные полиномы различных степеней, уравнение Лапласа, тригонометрические полиномы и др.
Ортогональные полиномы обычно применяются в случае рав номерной прямоугольной сети наблюдений. При этом тренд опре деляется как линейная функция географических координат, постро енная по совокупности наблюдений таким образом, что сумма квадратов отклонений значений признака от плоскости тренда ми нимальна. Такая модель представляет собой вариант статистическо го метода множественной регрессии, в котором функция Ф(х, у) = и, описывающая поверхность тренда, рассматривается как и = Ро + Pi* + Р2У (где х\ у - координаты пространства; р0> Pi, Р2 - полиномиальные коэффициенты). Для оценки трех указанных ко эффициентов используются уравнения
Z M= M + P lZ JC+ P2Z->';
E ^ - P o Z x + P.x’ + b E x r ,
5 > = р 05 > + р . 2 > + р ^ 2 >
где n - число точек наблюдения; и - значения признака в точках наблюдений; х и у - координаты точек наблюдений.
Для решения уравнений они записываются в матричной форме:
|
|
|
Ро |
|
Z * |
I > |
2 Y u xy |
X р, = |
|
Х у |
2 > |
I / |
.Р а . |
Х 3* . |
|
и решаются относительно Ро’РрРгТакой метод нахождения оце нок биномодальных коэффициентов называется методом наимень ших квадратов.
В качестве примера рассмотрим определения плоскости тренда отметок подошвы меловых отложений, экранирующих нефтяную толщу.
а км |
6 км |
км |
*&* |
Рис. 16. Карта отметок подошвы меловых отложений в северо-восточной Африке. По Дж. Дэвису: а - расположение скважин с замерами абсолютных отметок подошвы меловых отложений; б - поверхность тренда
На рис. 16 показана схема расположения пробуренных скважин и условные координаты площади, которые сведены в табл. 7. Для построения плоскости тренда вычисляются:
£ > |
= 539; |
£ > = 482; |
£ « = -4579; |
2 У |
=36934; |
=31692; |
]Г хм = -211098; |
|
= 27030; |
|
£ уи = -232342 |
Эти значения записываются в матричной форме:
' 10 |
539 |
482' |
'Ро' |
-4579" |
539 |
36943 |
27030 |
X Pi |
-211098 |
482 |
27030 |
31692 |
_Р2_ |
-232342 |
Таблица 7
Координаты скважин, абсолютные отметки подошвы меловых отложений и оценки плоскости тренда
№ |
Координаты |
Абс. отметка Отметка плоско |
Разности, м |
|||
п/п |
JC, км |
у, км |
и , м |
сти тренда, м |
||
|
||||||
1 |
10 |
17 |
-665 |
-606,6 |
-58,3 |
|
2 |
21 |
89 |
-613 |
-695,7 |
82,7 |
|
3 |
33 |
38 |
-586 |
-537,8 |
-48,1 |
|
4 |
35 |
20 |
—440 |
-492,8 |
52,8 |
|
5 |
47 |
58 |
-544 |
-510,2 |
-33,7 |
|
6 |
60 |
18 |
-343 |
-369,2 |
26,2 |
|
7 |
65 |
74 |
-455 |
-455,5 |
0,5 |
|
8 |
82 |
93 |
-437 |
-411,5 |
-25,4 |
|
9 |
89 |
60 |
-354 |
-313,0 |
-40,9 |
|
10 |
97 |
15 |
-142 |
-186,0 |
-44,1 |
|
После решения матричного уравнения получаем: |
Р0 =-621,0; |
|||||
Р, = 4,8; |
р2 = -2,0. |
Подставляя |
эти значения в |
уравнение |
и = Р0 + PTJC+ р2у, можно вычислить значения отметок плоскости
тренда (ы) для каждой скважины и разности, которые характеризу ют составляющие случайной изменчивости гипсометрической по верхности. Оценка степени приближения плотности тренда к на