PPK Vezba Modeliranje

Skripta iz Projektovanja povrinskih kopova
Rudarsko-geoloki fakultet Beograd
1. Modeliranje leita savremenim alatima

Alat: Minex Metode modeliranja, Kreiranje Minex strukturnog modela i modela kvaliteta
2.1. Uvod
2.1.1. Klasifikacija metoda modeliranja
Prva podela modela se moe uraditi prema tipovima matematikih metoda na osnovu kojih se izraunavaju: triangulacije (triangulation) ili primenom pravilne mree (gridding). Kod trijangulacije formira se mrea trouglova kroz poznate take i zatim se vri procena vrednosti posmatrane veliine izmeu temena trouglova. Kod primene regularne mree, u zadatom prostoru koji sadri take sa poznatim veliinama se postavlja pravilna mrea i zatim se vri proraun vrednosti traene veliine u vorovima mree. Triangulacija spada u direktne metode, s obzirom da se konture izvlae na osnovu originalnih taaka a primena mree u indirektne budui da se konture konstruiu na osnovu procenjenih vrednosti u vorovima mree. Modeli mogu biti interpolacioni, kod koji se izraunavaju vrednosti izmeu taaka sa poznatim vrednostima i ekstrapolacioni, kod kojih se modeliranje vri i izvan mree poznatih taaka. Izbor metode zavisi od broja poznatih taaka, njihovog poloaja, prirode promenljive koja se modelira i namene modela (i izvedenih karata). Kako bi se pravilno definisali parametri prorauna, potrebno je poznavati niz karakteristika, kao to su: karakter modelirane veliine da li je modelirana veliina lokalna ili globalna; veliina modelirane oblasti; oblik da li je zahvaena oblast pravilnog ili nepravilnog oblika, da li je slojevita ili, na primer nagnuta; postojanje eventualnih diskontiniteta. U sluaju primene metoda zasnovanih na mreama, nabrojani parametri e uticati na izbor mree, odnosno na njenu gustinu i orijentaciju. S obzirom na veliki broj parametara koje je potrebno uzeti u obzir, kao i na specifinosti svakog konkretnog sluaja modeliranja, neophodno je eksperimentisati sa razliitim metodama i variranjem parametara. Prethodna iskustva sa slinim modelima mogu posluiti da se ogranii broj metoda koje se uzimaju u razmatranje. Posle izvrene kontrole rezultata dobijenih svakom primenjenom metodom, usvaja se ona koja ima najmanju greku. Bez obzira na primenjenu metodu, postojae manja ili vea odstupanja, a osim toga, tanost modela e u svakom sluaju zavisiti i od kvaliteta ulaza taan proraun sa netanim ulaznim podacima i dalje nikome ne koristi. Procena pouzdanosti dobijenih rezltata nije jednostavna i zavisi od vie faktora. Neke medode imaju bolju merljivost pouzdanosti dok su neke kao crne kutije po principu uzmi ili ostavi. Neformalno govorei, moe se smatrati da su dobijeni rezultati pouzdani u sledeim sluajevima: Ukoliko postoji "dovoljan broj" poznatih taaka na "dovoljno bliskom" rastojanju i ukoliko postojei podaci realno predstavljaju minimum i maksimum posmatrane veliine. Naravno, definicija "dovoljno velikog" i "dovoljno bliskog" zavisi kako od izabrane metode, tako i od prirode modelirane veliine.
Prof.dr Boo Kolonja, Doc.dr Ranka Stankovi, Dejan Stevanovi, Mirjana Jovanovi
Ukoliko posmatrana promenljiva moe biti prikazana neprekidnom povri, tj. ukoliko ne postoje (nelogini) diskontinuiteti i druge nagle promene u vrednostima. Ukoliko povr koja se postavlja kroz take moe biti izraena matematinom jednainom. Iako neki od ovih zahteva mogu izgledati na prvi pogled previe strogi, naroito kada je u pitanju zahtev dovoljnim brojem podataka, ne treba zaboraviti da svaka metoda ima specifine zahteve koje je potrebno zadovoljiti kako bi se dobili smisleni rezultati. Na primer, metoda inverznog rastojanja zahteva najmanje 6 poznatih taaka kako bi uopte mogla da se primeni, dok na primer krigovanje zahteva minimum od 30 taaka.
2.1.2. Triangulacija
Kod trijangulacije je svaka poznata taka teme trougla, odnosno po tri nekolinearne take se povezuju pravim linijama kako bi se dobio trougao u ravni, a potom povr definisala mreom ovakvih trouglova. Da bi procena bila bolja, trouglovi treba da bude to blii jednakostraninom, sa priblino jednakim stranicama. Ovakvi trouglovi se u engleskoj terminologiji nazivaju "fat triangles", za razliku od trouglova koji imaju jedan tup ugao i koji su manje povoljni sa aspekta modeliranja. to su strane truoglova krae (odnosno povrina trouglova manja), to se dobija detaljnija mrea. Postoje dva algoritma za triangulaciju linearni i Delauney-jev. Prvi je jednostavniji za implementaciju, ali daje manje kvalitetno reenje, koje ne mora biti jedinstveno. Delaunay-eva triangulacija je kompleksnija, ali daje jedinstvenu mreu trouglova. Prednost triangulacije je to se veoma brzo i lako moe implementirati i izvriti. Takoe, dobija se odlino poklapanje dobijene povri sa poznatim takama. U teoriji, bez obzira na stepen glatkosti povri dobija se ista karta, dok na primer, kod primene metoda zasnovanih na mrei promena glatkosti daje potpuno razliitu kartu. Dobijene povri se mogu koristiti za volumetrijska izraunavanja.
2.1.3. Pregled metoda zasnovanih na mrei

Ove metode su zasnovane na korienju poznatih taaka za proraun vrednosti u vorovima pravilne mree. Da bi se ove metode mogla uspeno primentiti podaci koji se procenjuju moraju imati sluajnu prostornu raspodelu (ukoliko se sa istog prostora uzme drugi komplet uzoraka, oba kompleta moraju imati statistiki slinu srednju vrednost i varijansu). Osim toga, u prostoru koji se modelira ne smeju postojati diskontinuiteti. Za izraunavanje vrednosti vorova u mrei moe se koristiti veliki broj algoritama, to zavisi i od podataka ali i od raspoloivog softverskog reenja. Prihvatljiva povr je najee rezultat veeg broja eksperimenata sa razliitim algoritmima i parametrima. Najee korieni algoritmi, koji su implementirani u alatima za modeliranje su: Inverzno rastojanje - uticaj svake oblinje take se koriguje teinskim koeficijentom u zavisnosti od udaljenosti od take za koju se radi procena. Na taj nain, blie take imaju vei uticaj od udaljenijih. Krigovanje teinski koeficijenti se dobijaju korienjem variograma, koji e biti kasnije objanjen. Ovakav pristup znai da je krigovanje geostatistika metoda, odnosno, statistika metoda koja je primenjena tako da uzima u obzir ono to se zna o lokalnoj geologiji, mineralogiji i strukturi. Kada se variogram dobro ponaa i kada je dobro poznat, za dobijenu procenu se esto kae da je BEST, LINEAR, UNBIASED ESTIMATE (BLUE).
Splajnovi neprekidna povr se uklopi (fituje) u poznate take diferencijalnim jednainama. Kada se koristi ovaj algoritam, izraunaju se poetne vrednosti za svaki vor mree korienjem vrednostti okolnih poznatih taaka, a zatim se nastavlja sa iterativnim postupkom sve dok se ne postigne unapred definisana razlika ili se postigne maksimalni broj iteracija. Polinomne povri neprekidna povr se uklapa sa vrednostima u poznatim takama, kao polinom prvog, drugog ili treeg stepena X i Y kordinata. Nakon izraunavanja koeficijenata polinoma, vri se izraunavanje vrednosti u takama vorova mree. Primena algoritama zasnovanih na mrei omoguava ekstrapolaciju izvan skupa poznatih taaka uz dobijanje tanijih rezultata nego kod primene triangulacije. U zavisnosti od primenjene metode kao i faktora glatkosti, moe se dobiti povr koja favorizuje lokalne anomalije ili pak prikazuje globalne trendove. Nedostaci ove metode su u tome to se esto mogu dobiti netani rezultati kod ekstrapolacije ukoliko se raspolae malim brojem podataka. Takoe, veoma je teko automatizovati modeliranje diskontinuiteta. U pojedinim sluajevima moe doi do pojave tzv. "artefakta" koji predstavljaju nepostojee i/ili nerealne pojave i objekte.
2.1.4. Jednodimenzioni variogram

Uoimo niz od n uzoraka (proba) rasporeenih na istom rastojanju d (ekvidistantnih), du linije duine L. Neka je xi (i=1,N) koordinata koja odgovara broju uzorka i, a f(xi) njegova vrednost (sadraj korisne komponente ili neka druga karakteristika, odnosno geoloko obeleje od znaaja). Ova notacija je prosto krai matematiki nain oznaavanja da vrednost, f(xi), uzorka sa brojem i je fukcija pozicije xi (tj. mesta uzorkovanja, odnosno uzimanja proba), a f(xi) je vrednost sadraja (f) izmerenog na mestu uzorkovanja xi. Kada vrednost promenjljive, kao to je recimo sadraj, zavisi od njegovog mesta uzorkovanja promenjljiva se zove regionalizovana promenjljiva. Slika 1 prikazuje raspored n uzoraka du linije.
Slika 1. Niz od n ekvidistantnih uzoraka xi oznaava poziciju i f(xi) oznaava vrednost na mestu uzorkovanja xi
Uzorci mogu biti bilo kog tipa, ali se predpostavlja da svi imaju istu geometrijsku bazu (geometrijski oblik, zapreminu i orijentaciju), linija moe da predstavlja jezgo buotine iseeno na priblino jednake duine d ili liniju brazde uzoraka duine d uzete du stuba buotine ili profila. Variogram za uzorak na rastojanju d je polovina srednje kvadratne razlike izmeu svih parova uzoraka koji se nalaze na rastojanju d. To se oznaava sa (d):
(d ) =
1 {[ f ( x1 ) f ( x 2 )]2 + [ f ( x 2 ) f ( x3 )]2 + ... + [ f ( x n 1 ) f ( xn )]2 2( n 1)

n 1 1 [ f ( xi ) f ( xi+2 )]2 2( n 1) i =1
ili krae:
(d ) =
Za rastojanje 2d variogram je:
( 2d ) =
ili krae:
1 {[ f ( x1 ) f ( x3 )]2 + [ f ( x 2 ) f ( x 4 )]2 + ... + [ f ( xn 2 ) f ( x n )]2 2( n 2)

n 2 1 [ f ( xi ) f ( xi +2 )]2 2( n 2) i =1
( 2d ) =
U optem sluaju, za rastojanje md, odnosno za udaljenost m intervala (razmaka) izmeu uzoraka variogram je:
(md ) =
n m 1 [ f ( xi ) f ( xi +m )]2 2( n m ) i =1
Uoimo da bi rezultat bio isti da je proraun poeo sa uzorkom f(xn) sa kraja linije i ako se izvodi unazad do prvog uzorka f(x1). Slika 2 prikazuje primer vrednosti olova u uzorcima uzete na 1.5m intervalima du stuba (pillar).
Slika 2. Vrednosti olova u uzorcima uzetim na 1.5m intervalima
Jednostavan nain runog raunanja variograma je da se naprave dve kopije linije uzoraka. Za razmak od 1.5m se postave dve linije uzoraka jedna do druge i jedna od njih se pomeri u desno tako da su uzorci sa razmakom od 1.5m razdvojeni (poravnati) kao to je prikazano na slici (Slika 3).
Slika 3. Raunanje variograma za rastojanje od jednog razmaka (intervala) uzorka
Variogram za rastojanje d=1.5m se raunaka kao:
(1.5m) =
1 [(15 20) 2 + ( 20 22) 2 + ( 22 22) 2 + ... + ( 22 25) 2 ] = 23(%) 2 2 26
Da bi se izraunao variogram za udaljenost od 3m, donja linija uzoraka se pomeri za jo jedan interval u desno, tako da se prvi i trei uzorak poravnaju kao to je prikazano na slici (Slika 4).
Slika 4. Raunanje variograma za rastojanje od dva intervala uzorka
Variogram za rastojanje od 3m je:
(3m ) =
1 [(15 22) 2 + ( 20 22) 2 + ( 22 26) 2 + ... + ( 21 25) 2 ] = 47(%) 2 2 25
Slino: (4.5m) = 57 (%)2 (6m) = 49 (%)2 (7.5m) = 41 (%)2 (9m) = 40 (%)2 (10.5m) = 43 (%)2
Ove vrednosti se mogu kao na slici (Slika 5) da bi se dobila grafika reprezentacija variograma.
Slika 5. Eksperimentalni variogram
Dakle, izraunata srednja kvadratna greka ili srednja kvadratna razlika, za odreenu udaljenost uzoraka naziva se enu variogram. Polovina srednje kvadratne greke se ponekad naziva i semi-variogram, ali emo mi ovu polovinu srednje kvadratne razlike izmeu vrednosti na odreenooj razdaljini nazivati variogramom. itanjem variograma se mogu interpretirati sledea svojstva: parametri variograma, kontinuitet variograma, model i anizotropija. Parametri variograma se koriste za modeliranje ali i za interpretaciju rezultata. Tu spadaju: Prag (Sill) predstavlja maksimalnu varijabilnost izmerenu izmeu vrednostima u poznatim takama. Vrednsot sil-a je relativna u odnosu na anaizirani set podataka, ali se moe smatrati da njegova visoka vrednost ukazuje na velike razlike u merenim podacima i obrnuto. Vrednost sil-a ne bi smela da bude znaajno via od statistike varijanse za dati skup vrednosti. Radijus uticaja ili domet (Range predstavlja rastojanje (od vora koji ija se vrednost izraunava) na kom se dostie vrednost praga. Kao i kod praga, vrednost radijusa uticaja je relativna, ali generalno, velike vrednosti ukazuju na veu ujednaenost vrednosti po prostoru. Slika 6 prikazuje variograme za mineralizacije A i B: A se poveava duplo u odnosu na B, to govori da vrednosti uzoraka uzete iz B variraju mnogo sporije nego one koje su uzete iz uzorka A. Zona uticaja uzetih u B je vea nego zona uticaja uzoraka uzetih kod A, pa prema tome proirenje vrednosti uzorka na datu oblast e biti pouzdanije kod B nego kod A. Razlika moe da potie od razliite mineralizacije ili od razliitih tipova uzoraka.
Slika 6. Variogrami za dve razliite mineralizacije: A i B
Efekat grumena (nugget) predstavlja vrednost variograma na nultom rastojanju, tj. da li modelovana linija prolazi kroz koordinatni poetak ili kroz neku taku na Y
osi. Nuget predstavlja varijabilnost koja se javlja na malim rastojanjima, kao i zbog greaka u uzorkovanju i analizi. Vrednost nuget-a ne bi smela da prelazi jednu treinu vrednosti sil-a. Kontinuitet variograma se koristi za opisivanje prostorne ujednaenosti ili regularnosti merene veliine na malim rastojanjima. Kontinuitet mineralizacije moe se posmatrati kroz rast variograma za mala rastojanja. Ako postoji visok stepen kontinuitetata da e, u proseku, razlike izmeu bliskih uzoraka biti male pa e i vrednosti variograma za mala rastojanja biti mala. Sa druge strane, to su vrednosti variograma manje to su, u proseku, slinije vrednosti uzoraka koje su koriene pri njegovom izraunavanju Vellike promene u vrednostima uzorka dovode do veih vrednosti variograma. Slika 7 prikazuje etiri kategorije kontinuiteta (po opadajuem kontinuitetu).
Slika 7. etiri vrste variograma u odnosu na kontinuitet
(a) za male vrednosti h variogram je veoma blizu nule, to upuuje na to da su promene vrednosti uzoraka veoma postupne, odnosno da se radi o promenljivoj koja ima vrlo visok stepen kontinuieta, kao to je sluaj kada je u pitanju monost slojevitih leita, kod koje se javljaju veomamale deformacije kao to su rasedi i raspadanje, ako ih uopte i ima (b) upuuje na postupne promene u uzorku koje nisu uvek male kao kodtipa (a) ali su u proseku u velikoj meri postupne, to je karakteristinoza sedimentna leita i za irinu stratigrafskih rudnih tela (c) ima diskontinuitet na poetku (teorijski, vrednost variograma zarastojanje h=0 mora biti 0), to govori da ve kod vrlo malih rastojanja postoje nagle promene vrednosti u uzorku; ako se mineralizacija pojavljuje kaogrumenje (nugget) ili postoje koncentracije u malim ilama tada se brze promene mogu javiti i kod veoma malih rastojanja; razlika izmeu dve polovine jezgra buotine moe proizvesti ovaj tip variograma (d) ukazuje na promenjljivu koja uopte nema kontinuitet: njene vrednosti su potpuno sluajne i upuuje na to da je interval uzorkovanja veiod promenjljivosti geoloke strukture koja se ispituje Model variograma se koristi za opisivanje vizualnog i matematikog fitovanja krive kroz podatke prikazane na variogramu. Sferini model je najei tip variograma, sa izraenim pragom, radijusom uticaja i nugget-om (karakterizacija tranzicionig tipa variograma). Eksponencijalni model nema jasno definisan radijus uticaja, budui da se asimptotski pribliava pragu. Linearni model nema jasno izraen prag ili radijus uticaja. Kod ovog tipa, varijabilnost nastavlja da se uveava sa porastom rastojanja, ukazujui na postojanje trenda i visokog nivoa kontinuiranosti (slinosti ili razlike) izmeu poznatih taaka.
Hole Effect model je slian ostalim modelima variograma, osim to se u modeliranoj krivoj mogu pojaviti padovi. Ova pojava ukazuje na periodinost u pojavljivanju vrednosti u poznatim takama. Ugnedeni variogrami predstavljaju kombinaciju dva variograma. Na primer, za sferini variogram sa nugget-om se moe rei da je ugnedeni variogram, obzirom da se sastoji od sferinog i nugget modela variograma. S obzirom da se najee koristi sferni model ovde e ukratko biti predstavljen:
( h ) = C c + C{ (h) = Cc + C
3 h 1 h3 } za h a 2 a 2 a3 gde su: za h a
C0 sluajna komponenta varijacije, tj. nugget varijansa (varijansa grumena) C strukturna komponenta varijanse C0+C ukupna varijacija ili prag (sill) a domet uticaja Slika 8 prikazuje crte sfernog modela variograma sa ucrtanim parametrima.
Slika 8. Sferini model variograma
Fitovanje eksperimentalnog variograma sfernim modelom se moe uraditi u nekoliko koraka: 1) Nacrtati liniju kroz vrednost oko koje izgleda da se kreu vrednosti variograma. Ova vrednost treba da bude priblino jednaka varijansi vrednosti korienih za proraun variograma. Ova linija daje vrednost C0+C. 2) Nacrtati pravu liniju kroz prve dve ili tri vrednosti variograma i produiti je tako da see (h) osu. Ovo daje vrednost C0. 3) Po definiciji, linija u 2) see prag (liniju nacrtanu u 1)) na rastojanju jednakom dve treine dometa (a). 4) Svi parametri (C0, C i a) sferinog modela su sada definisani.
Slika 9. Metod fitovanja eksperimentalnog variograma sferinim modelom
Izotropnost ili anizotropnost variograma se odreuje uporeivanjem variranja paremetrima po normalnim pravcima i utvrivanjem ortogonalnih pravaca po kojima je razlika praga, radijusa uticaja i nugget-a najvea. Potrebni uslovi za modeliranje variograma treba da budu sluajno izabrani iz populacije koja ima normalnu ili lognormalnu raspodelu. Uzorci moraju biti uzeti iz jedinstvene, homogene populacije na primer, ukoliko se vri modeliranje sadraja korisne mineralne sirovine, uzorci moraju biti samo iz rude, a ne iz okolnih stena. Uzorci moraju imati iste dimenzije, masu i orijentaciju. Trend ne sme biti prisutan. Potrebno je uzeti statistiki znaajan skup uzoraka. Ukoliko navedeni uslovi nisu ispunjeni, nije preporuljivo primeniti geostatistike metode. U takvim sluajevima, neka druga lokalna ili globalna metoda je bolje reenje. Karakteristike interpretirane na osnovu variograma se pre koriste za proveru pretpostavki o prostornom izgledu podataka, nego za predvienje njihovog izgleda. To takoe znai da se variogrami mogu koristiti i za definisanje kontrola za bilo koji algoritam, a ne samo za krigovanje.
Napomena: Samo konstruisanje eksperimentalnog variograma, a potom i njegovo modeliranje je tema koja zahteva mnogo vie prostora Detaljnije informacije o modeliranju varigrama, dvodimenzionim i trodimenzionim variogramima se moe nai u materijalu za nastavu iz Geostatistike.
2.2. Metode modeliranja

2.2.3. Inverzno rastojanje
Ova metoda predstavlja najee implementiran i korien algoritam. Njegovom primenom, vrednosti u vorovima mree se proraunvaju na osnovu vrednosti u okolnim, poznatim takama korienjem teinskih koeficijenata na osnovu rastojanja. Suma svih teinskih koeficijenata za sve take koji se koriste u poraunu, mora biti 1. Slika 10 daje prikaz koraka i elemenata metode inverznog rastojanja.
Slika 10. Prikaz koraka i elemenata metode inverznog rastojanja
Poto je proraunata vrednost u voru praktino "uproseena" vrednost okolnih taaka, ne moe se desiti da se dobije vrednost koja bi bila van granica definisanih minimalnom i maksimalno vrednou u takama korienim za proraun. Promenom vrednosti stepena na koji se die rastojanje izmeu taaka, dobijaju se razliiti rezultati, od varijante koja favorizuje najbliu taku, do varijante u kojoj se svim takama dodeljuju praktino isti koeficijenti. Poveanjem vrednosti stepena, poveava detaljnost, ali smanjuje glatkou. Vrednost eksponenta utie na dobijene rezultate na sledei nain: Mala vrednost (0-2) naglaava lokalne anomalije. Velika vrednost (3-5) priguuje ("pegla") lokalne anomalije. Vrednost eksplonenta jednaka ili vea od 10 daje poligonalnu procenu. Eksponent jednak nuli daje procenu pokretnih sredina (eng. moving average). Mala zona uticaja i mali broj taaka pojaavaju lokalne anomalije, obzirom da se "uproseuje" mali broj taaka. Shodno tome, velika zona uticaja i veliki broj taaka dovode do ublaavanje lokalnih anomalija. U optem sluaju, take koje se uzimaju u obzir bi morale biti rasporeene manje-vie sa razliitih strana vora za koju se vri proraun. Ukoliko to nije sluaj, na primer ako je veina poznatih takaka sa jedne strane vora doi e do njihovog preteranog naglaavanja. Jednaina koja se koristi za izraunavanje vrednosti metodom inverznog rastojanja glasi:
Ze =
D
i =1 n i =1
1
w i
Vi
w i i
Gde je: Ze procenjena vrednost u voru, D1...Dn rastojanja poznazih taaka od vora, V1...Vn vrednosti u poznatim takama, W stepen.
Ovaj algoritam se moe koristiti za brzo testiranje ideja zbog velike brzine i varijabilnosti. Algoritam identifikuje najblie take unutar zadatog radijusa (zona uticaja). Vrednost vora se izraunava na sledei nain: Ukoliko se u zoni uticaja nalazi manje od minimalnog potrebnog broja taaka, vrednost vora se ne izraunava. Ukoliko se u zoni uticaja nalazi broj taaka koji odgovara zadatom opsegu (minmax broj taaka) vrednost vora se rauna korienjem svih poznatih vrednosti. Ukoliko se u zoni uticaja nalazi vei broj taaka od maximalnog, proraun se vri korienjem maksimalnog broja taaka. Prednosti algoritma: o o o o o Lak za razumevanje Ukljuen u veinu komercijalnih paketa za modeliranje Kratkotrajna izraunavanja "Prilino dobro" procenjuje vrednosti u poznatim takama Dobar je za analiziranje lokalnih anomalija Vrednosti dobijene proraunom ne mogu biti vee od maksimalne niti manje od minimalne poznate vrednosti (Ovaj algoritam je odlian za procenu debljine, koncentracije (hemijske) ili fizikih osobina materijala na primer, u koliko je minimalna izmerena debljina jednaka nuli, nee se dobijati negativne vrednosti. U isto vreme, algoritam nije dobar za modeliranje povlate ili podine stratigrafskih lanova, budui da poznate vrednosti ne moraju biti globalni maksimum, odnosno minimum). Ne moe se lako ukloniti uticaj lokalnih anomalija, pa prema tome grupisane poznate take mogu znaajno naglasiti procenjene vrednsoti, naroito ukoliko se koristi kruna zona uticaja, a poznate take se nalaze u blizini vora. Ovo se moe ublaiti korienjem kvadranta ili oktanta zone uticaja i ostavljanjem dodatnog zahteva da najmanje jedna poznata taka lei u svakom kvadrantu/oktantu. Primena ovog algoritma moe rezultovati pojavom velikog broja artefakta. Kod upotrebe ovog algoritma, primena krune zone uticaja ne uzima u obzir smer u kom se nalaze poznate take, ve samo njihovu udaljenost od vora. Ovo se moe eliminisati korienjem eliptine zone uticaja.
Nedostaci algoritma o
o o
2.2.4. Krigovanje
Slino metodi inverznog rastojanja, i krigovanje uzima u obzir rastojanja izmeu taaka pri proraunu vrednosti u voru mree. Kod ove metode, teinski koeficijenti se dobijaju na osnovu funkcije (variograma) srednjih kvadratnih razlika na odreenim rastojanjima. Ovim krigovanje postaje geostatisika metoda, tj. statistika metoda primenjena na takav nain da uzme u obzir poznate prostorne karakteristike lokalne geologije, mineralogije ili strukturnih karakteristika. Povr dobijena primenom krigovanja, u sluaju da se variogram dobro ponaa i kada je dobro poznat, je najbolja linearna nepristrasna procena (eng. skr. BLUE: Best, Linear, Unbiased Estimate) koja se moe izraunati. Kod krigovanja, uticaj svake od poznatih taaka je pod uticajem: Rastojanja od vora za koji se vri izraunavanje to je taka blia, njen uticaj je vei.
10
Pravca u kom lee take take koje lee po pravcu za koji je detektovan najvei kontinuitet (uniformnost ili homogenost) dobijaju veu teinu od taaka van njega. Relativnog poloaja taaka take koje su blisko grupisane ne dobijaju istu teinu kao usamljene take na istom rastojanju. Veliine procenjenog entiteta u odnosu na veliinu poznatih taaka. Izrada variograma predstavlja prvi korak u krigovanju. Variogram predstavlja meru promenljivosti vrednosti uzoraka u funkciji njihovog rastojanja. Moemo ga opisati i kao varijaciju u vrednosti u poznatim takama na nekom rastojanju kao meru korelacije izmeu njih. Jednostavno reeno, pokuava da definie koliki uticaj ima vrednost u jednoj taki na okolne take i obrnuto. Nakon modeliranja variograma, pristupa se izraunavanju vrednosti u vorovima mree primenom krigovanja. Ovo se svodi na reavanje sistema linernih jednaina sa da bi se odredili teinski koeficijenati koje treba primeniti na vrednosti u poznatim takama kako bi se minimizirala greka procene vrednosti u voru mree. Sistemom jednaina se izraunava srednja kvadratna razlika svih moguih parova poznatih taaka tako da je srednje kvadratno odstupanje u poznatim takama jednako nuli. Ova matrica se najee naziva [K] matrica (Slika 11). Definie se druga matrica koja daje srednju kvadratnu razliku izmeu svake poznate take i vora za koji se radi proraun, a na osnovu vrednosti variograma. Ova matrica se najee naziva [M2] matrica. K matrica se deli M2 matricom da bi se dobili teinski koeficijenti za krigovanje za svaku poznatu taku. Bilo kakav zaostala razlika ili neobjanjiva vrednost se uzimaju u bzir preko Lagraovog koeficijenta.
Slika 11. Krigovanje
Postoji vei broj varijacija u algoritmu Krigovanja, koji se primenjuju u razliitim uslovima.
11
Jednostavno (prosto) krigovanje koristi najjednostavniji sistem jednaina i koristi se u sluajevima kada je poznata poznata konstantna srednja vrednost za promenljive kojima se predstavljaju vrednosti u poznatim takama i kada su te vrednosti normalno rasporeene. Obino krigovanje predstavlja generalni alat za krigovanje i koristi se u najveem broju sluajeva. Primenjuje se u sluajevima kada srednje se vrednosti za promenljive kojima se predstavljaju vrednosti u poznatim takama kreu oko konstantne srednje vrednosti i kada su poznate take normalno rasporeene. Univarzalno krigovanje se koristi u sluajevima kada postoji trend (sistematska varijacija po pravcu) i kada su poznate take normalno rasporeene. Logaritamsko krigovanje se koristi kada vrenosti u poznatim takama imaju logaritamsku raspodelu. Disjunktivno krigovanje se koristi kada je poznata raspodela uestalosti vrednosti u poznatim takama, ali kada se ne moe predstaviti jednotavnim modelima raspodele, na primer, kada nema normalnu ili log-normalnu raspodelu. Indikatorsko krigovanje predstavlja proirenje prostog krigovanja. Prednost modeliranja metodo krigovanja je to se proraun zasniva na variogramu. Ukoliko se moe formirati variogram koji se dobro ponaa, mogue je odrediti: Optimalne parametre uzorkovanja, kao to su veliina uzorka, raspored mesta uzorkovanja i gustinu. Optimalne parametre zone uticaja, ukljuujui veliinu, oblik (kruna ili elipsoidna) i ukoliko je u pitanju elipsodina, orijentaciju glavnih osa. Optimalne parametre mree (veliinu elije, oblik i orijentaciju). Prirodu prostorne raspodele za posmatrane promenljive. Predvidljivost prostorne raspodele posmatranih promenljivih. Kvalitetno konstruisan variogram se moe koristiti za kontrolu procesa krigovanja: Izbegavanje davanja prevelike teine pojedinim takama, kao to se esto deava kod metode inverznog rastojanja. Redukcija regresionog efekta koji se javlja kada se visoke vrednosti dodatno precene, dok se niske vrednosti dodatno potcene. Upotrebu nepristrasne procene sadraja Vrednosti dobijene krigovanjem imaju sledee pozitivne osobine o o o o o o o Pouzdane su: dobijene vrednosti imaju srednje kvadratno odstupanje 0. Povr dobijena krigovanjem prolazi kroz poznate take. Krigovanje koristi razliite teinske koeficijente. Dobijene vrednosti mogu biti vee od maksimalnih i manje od minimalnih izmerenih vrednosti. Model uzima u obzir kako lokalne anomalije, tako i globalne trendove. Dostipan je veliki broj softverskih alata u kojima je implementirano krigovanje. Greke prorauna mogu da se iskoriste za definisanje taaka u kojima je potrebno prikupiti jo podataka.
12
Krigovanje je robustna metoda, odnosno, korektni rezultati se mogu dobiti i pored neadekvatnih variograma i kontrole.
2.2.3. Splajnovi
Kod metode modeliranja splajnovima, diferencijalne jednaine se koriste da se fituje kontinualna povr na vrednosti u poznatim takama. Kada se koristi ova metoda, poetne vrednosti se izraunavaju u svakom voru korienjem vrednosti okolnih poznatih taaka. Proraun se ponavlja sve dok se ne ostvari zadata konvergentnost ili razlika, ili dok se ne postigne maksimalan broj iteracija. Primenom ove metode dobijaju se veoma glatke konture. Najmanje jedna taka u svakoj eliji e imati tanu vrednost. Artefakti se mogu javiti po ivicama i kod onih elija kod kojih je kao poetna vrednost zadata srednja vrednost svih uzoraka, a nije zadat dovoljan broj iteracija. Prednosti metode Generisana povr je jedinstvena, obzirom da parcijalne diferencijalne jednaine zadovoljavaju granine uslove. Dobijna povr ne zavisi od raspodele podataka i prisistva buke. Dobijena povr je glatkija od povri dobijene bilo kom drugom metodom. Povr prolazi kroz poznate take. Nedostaci metode Dobijena povr e biti glatka bez obzira da li zaista treba da bude. Korienje graninih uslova dovodi do pojave artefakta na ivicama, ukoliko ne postoje poznate take blizu ivica.
2.2.4. Regresione povri

Metoda regresionih povri je zasnovana na postavljanju kontiualne povri metodom najmanjih kvadrata, matematiki definisana polinomom. Poto se postigne zadovoljavajue poklapanje povri sa poznatim podacima, pristupa se izraunavanju vrednosti vorova. Polinomi mogu biti prvog stemena (ravan), drugog ili vieg stepena:
ZE = A + Bx + Cy
ZE = A + Bx + Cy + Dx 2 + Exy + Fy 2 ZE = A + Bx + Cy + Dx 2 + Exy + Fy 2 + Gx 3 + Hx 2 y + Ixy 2 + Jy 3
2 3 2 2 4 2 2 3 4 ZE = A+ Bx+Cy+ Dx + Exy+ Fy2 +Gx + Hx y + Ixy + Jy3 + Kx + Lx3y + Mx y + Nxy +Oy
Gde je: ZE Proraunata vrednost u voru, X i Y koordinate, A...O koeficijenti (Ponekad se obeleavaju sa B1...Bn). Ovaj algoritam proizvodi veoma glatke povri koje ne moraju nuno prolaziti tano kroz poznate take (Slika 12). Kada postoji regionalni pad, povr postaje ravan primeniti polinom prvog reda, ukoliko je prisutno ispupenje ili udubljenje primeniti povr drugog reda.
13
Slika 12. Regresione povri
Prednosti Generie se jedinstvena povr Bez obzira na orijentaciju mree dobija se ista povr Vreme izraunavanja za polinome nieg reda je malo Mogue je uoiti i umu (regionalni trend) i drvee (lokamne anomalije) Mogue je dobiti i vrednosti vee i manje od polaznih vrednosti Nedostaci Lokalne anomalije ne mogu biti uoene na karti izolinija dobijenoj polinomima nieg reda. Veoma je lako preterati. U mnogim sluajevima, uzimaju se polinomi suvie visokog reda jer se postie veoma dobro poklapanje, bez obzira to se dobijaju geoloki nerealne povri. Malo je geolokih tela koja se mogu smisleno modelirati polinomom 12. reda Hardverski zahtevi drastino rastu sa porastom stepena polinoma.
2.1.5. Poreenje algoritama

U tabeli 1 je dat pregled ocene algoritama, preuzete iz (Krajewski, 2003) prema vie kriterijuma. Ocene se kreu od 1=najbolje do 5=najgore. Algoritam Trijangulacija Inverzno rastojanje Krigovanje Splajnovi Trend povri Potovanje poznatih podataka 1 3 2 4 5 Glatakoa krivih 5 4 3 2 1 Brzina Ukupna izraunavanja tanost 1 2 5 4 3 5 4 1 3 2
14
Trijangulacija Poreenje procenjenih povri (pogled na poprene preseke) tano uklapanje u poznate take Krigovanje Splajnovi
Inverzno rastojanje
kriva sa vrhovima, jamama i zaravnima Trend povri
glatke krive sa lokalnim anomalijama
glatke krive izmeu podataka
glatke krive ali slabo uklapanje u poznate podatke
Slika 13. Pregled algoritama za modeliranje
15
2.3. Faktori koji utiu na formiranje mree

Izgled reprezentativne karte zavisi od mnogih faktora. Dobijeni izlaz moe znaajno da varira u zavisnosti od izbora ulaznih parametara i podeavanja. Metod izraunavanja vrednosti vorova u mrei odreuje izgled izolinija na karti. Ukoliko se veliina vorova mree i paremetri njihovog formiranja pogreno usvoje, dobijena karta e biti pogrena. Poznavanje geologije konkretnog leita i pouzdanost podataka su takoe vani faktori za dobijanje pouzdane karte. Loe uzorkovanje moe dovesti do pojave pogrenih kontura. Takoe, poznavanje uniformnosti i varijabilnosti modeliranog tela je od velikog znaaja za pravilan izbor parametara algoritama. Dodatna oteavajua okolnost predstavlja nesistematinost greaka greke ne moraju (uglavnom i nisu) biti iste na svim mestima uzorkovanja. U poetnim fazama projekta, informacije o modeliranom telu nee biti dostupne, tako da je veoma vano da se isproba vei broj metoda i pristupa kako bi se mogao izabrati optimalni. Savremeni programi su opremljeni velikim brojem algoritama, tako da se proces modeliranja svodi na metodu pokuaja i greke. Na osnovu poznatih parametara se izaberu metode koje bi mogle dati smisleno reenje, podese se parametri i zatim se obavi procena. Sam proces je veoma brz i omoguava izradu velikog broja varijantnih karata za kratko vreme. U parametre i ogranienja koja se mogu podeavati, a koja utiu na dobijene rezultate interpolacije spadaju: Parametri mree veliina elija, oblik i orijentacija mree. Parametri zone pretrage veliina, oblik i orijentaciju zone koja se pretrauje u potrazi za takama sa poznatim vrednostima. Broj potrebnih poznatih taaka za procenu vrednosti vora minimalni i maksimalni broj poznatih taaka koje se moraju nalaziti u zoni pretrage da bi se izvrila procena vrednosti vora mree, kao i o njihovom rasporedu. Matematiki algoritmi za formiranje mree mogu biti upotrebljeni kako bi se izvrio proraun povri. Podeavanja parametara algoritama zadaju ogranienja i/ili granice pri proceni. Prisustvo ili odsustvo lomova, granica ili diskontinuiteta u prostiranju leita moe biti podeeno u pojedinim softverima.
2.3.1. Parametri mree

Da bi se algoritimi zasnovani na mrei mogli primeniti, potrebno je prethodno definisati parametre same mree: povrinu zahvaenu mreom, koordinete poetne take, oblik jedne elije i njenu veliinu, broj elija po X i Y pravcu, poloaj vora. U optem sluaju, veliina elije treba da bude definisana raspodelom podataka, veliinom modeliranog tela, postojanjem povrinskog kontinuiteta, itd. Moe se rei da bi veliina vorova morala da bude manja od ciljne veliine, kao i da ne bi trebala da prelazi srednje rastojanje izmeu poznatih taaka. Za veinu algoritama, prosena veliina elije mree mora biti takva da se na svake dve do tri elije mree nalazi jedna poznata taka (poznata kao najkvistovo pravilo - Nyquist). Za algoritam zasnovan na splajnovima, veliina elije mora biti takva da u svaku eliju pada jedna poznata taka. Oblik elije moe biti kvadrat, pravougaonik, varijabilan ili nepravilan. U pojedinim sluajevima, oblik moe biti uslovljen korienim programom. Konana veliina elije se usvaja nakon testiranja vie varijanti kako bi se dobila veliina koja daje najbolje rezultate. Za svaku varijantu se prati promena dobijenih kontura. Ukoliko su konture izopahe, svaki put se izraunava njihova zapremina ako
16
je promena zapremine do 5%, smatra se da veliina elije nema znaaja za proraun. U takvim sluajevima se moe koristiti vea veliina elija, ukoliko se tom prilikom ne dobija preveliki broj artefakata ili drugih nepoeljnih efekata.
Slika 14. Izbor veliine i oblika elije za optimalno prektivanje modelirane oblasti
Veina danas dostupnih komercijalnih programa koristi pravilnu mreu. Ukoliko se pravac pruanja modeliranog tela ne poklapa sa pravcem istok-zapad, mogue je rotirati model za potrebni ugao kako bi se dobilo poklapanje (Slika 15).
Slika 15. Orijentacija mree: rotiranjem se prilagoava pravcu modelirane oblasti
Slika 16 prikazuje uobiajene greke koje se mogu javiti ukoliko se usvoji neadekvatna veliine elija u mrei. U prvom sluaju, definisane su suvie velike elije, u drugom sluaju suvie male, dok je su treem sluaju zadata pogrena lokacija.
17
Slika 16. Uobiajene greke uzrokovane neadekvatnom mreom
2.3.2. Parametri zone pretrage

Zona pretrage predstavlja oblast oko vora mree iju vrednost proraunavamo. Buotine koje se nalaze u zoni pretrage mogu biti uzete u obzir pri proceni vrednosti vora. Parametri zone pretrage ukljuuju: veliinu, oblik, orijentaciju, rastojanje eliptinih osa i teinske koeficijente (Slika 17). Zona pretrage mora biti dovoljno velika da obuhvati dovoljan broj taaka ukolino je zona pretrage suvie mala, nee biti dovoljno podataka kako bi se izvrio proraun (osim taaka u neposrednoj blizini). Definisanje previe male zone pretrage moe imati isti efekat kao i uzimanje suvie malog broja taaka. U ovim sluajevima, proraun se izvrava veoma brzo, a lokalne anomalije dobijaju na znaaju. Naravno, prevelika zona pretrage takoe dovodi do pojave odreenih problema suvie mnogo taaka je potrebno uzeti u obzir za proraun svakog vora. Takoe, zona pretrage moe biti tolika da zahvata i vie vorova mree. U ovim sluajevima, proraun traje dugo, a lokalne anomalije bivaju priguene.
18
Slika 17. Zona pretrage
Izbor taaka koje se koriste za procenu se moe usloviti po pravcima kako bi se dodatno poveao stepen kontrole nad rezultatima interpolacije. Najvei broj danas dostupnih komercijalnih programa za modeliranje omoguava definisanje vie kriterijuma za pretragu zone oko vora mree za koji procenjujemo vrednost. Definisanje ogranienja da sve take ne mogu leati u istom smeru, tako to se zona pretrage podeli na sektore i uvede maksimalan broj taaka po sektoru koji mogu biti uzeti u obzir u proraunu. Takoe, ukoliko su poznate take postavljene po liniji ili se uklapaju u trend, mogue je relativno lako umanjiti efekte ovakvog rasporeda. U daljem tekstu nabrojane su metode koje se najee koriste u komercijalnim programima. Pretraga najbliih suseda Najbliih N taaka e biti uzeto u obzir. Ovaj metod treba primenjivati sa velikim oprezom, budui da grupisanje taaka po nekom sistemu, moe umanjiti tanost. Kruna ili eliptina zona pretrage zona u kojoj se vri pretraga je krunog ili eliptinog oblika, a u obzir pri proceni se uzima N najbliih taaka. Pretraga po sektorima Zona pretrage se deli na odreeni broj sektora (kvadranata ili oktanata), pri emu je u veini sluajeva mogue definisati da ukoliko je odreen broj sektora prazan nee se vriti procena vrednosti. Ovaj metod moe moe da ogranii broj najbliih taaka koje se koriste za procenu u delu prostora sa malim brojem taaka, na primer po njegovim ivicama. Pretraga prirodnih suseda Vri se pretraga samo taaka po obodu kruga. Ovo je najefikasniji nain pretrage. U sluaju da se koristi eliptina oblast pretrage, rastojanje izmeu poznatih taaka i vorova mree moe biti dato na jedan od dva naina stvarno rastojanje od vora do poznate take ili se eliptino rastojanje normalizuje na jednainu elipse. Drugi pristup se koristi kada leite ima izduen oblik, a kada je njegova homogenost vezana za oblik.
19
2.3.3. Broj i raspored poznatih taaka

Broj taaka koji se koristi za izraunavanje vrednosti u vorovima utiu na rezultat. Na primer, mali broj poznatih taaka u algoritmu za inverzno rastojanje uveava uticaj lokalnih anomalija. Minimalan i maksimalan broj taaka definie korisnik. Kada je mogue, minimalan broj taaka za algoritam inverznog rastojanja je tri. Ukoliko se za procenu vrednosti elije koristi samo jedna poznata taka i ukoliko je njena vrednost mnogo via ili nia od vrednsoti okolnih poznatih taaka, dobija se poremeena mrea. Parametri koji se definiu za primenjeni algoritam treba da budu optimizovani tako da su poznate take rasporeene to je mogue ujednaenije oko vorova mree. Po prirodi metode za prikupljanje uzoraka, pojedine poznate take nisu ujednaeno rasporeene. Na primer, ukoliko su take dobijene po linije, kao to je sluaj kod seizmikih merenja, ili uzorci sedimentacije uzeti du toka ili izdanka, pripmenom standardne, krune zone uticaja ne dobijaju se tani rezultati. U ovakvim sluajevima, poeljno je primeniti elipsoidnu zonu, koja bi pratila pravac pruanja uzoraka (Slika 18).
Slika 18. Primeri izbora taaka sa razliitim zonama pretrage i brojem taaka
Ako se u eliji nalazi samo jedna poznata taka, njena vrednost e biti dodeljena eliji. Ukoliko je taaka vie, mora se doneti odluke o tome koja taka e dati svoju vrednost eliji ili da li e se ii na uproseavanje vrednosti. Grupisane take daju netane teinske koeficijente. Ponekad je potrebno primeniti degrupisnje kako bi se dobili bolji rezultati modeliranja. Pojedini programi problem grupisanih taaka reavaju tako to ih svode na jednu taku.
20
2.4. Modeliranje u Minex-u

2.4.1. Korigovanje podataka na buotinama
Kada su podaci o interpretiranim slojevima na buotinama uvezeni vri se analiza podataka pre nego to se pristupi samoj izradi geolokog modela leita. Ukoliko je pri importu podataka bilo nekih greaka koje Minex nije mogao sam da ispravi te greke se isprave. Takoe, ako se pri vizuelnom pregledu uoe neke nepravilnosti i njih je mogue ispraviti ili e se buotine koje se smatraju problematinim izuzeti prilikom pravljenja modela. Slika 19 prikazuje 3D pogled na buotine, gde se uoavaju buotine B-035 koja je prazna (nema podataka o slojevima) i B-075 koja nema potpune intervale. Izmenu intervala na buotini B-075 mogue je izvriti na sledei nain: u meniju izabrati BoreholeDB -> Edit -> Add/Edit Seam Intervals.
Slika 19. 3D prikaz jednog dela leita
Na panelu (Slika 20) izabrati buotinu B-075 i na njoj sloj POD. U konkretnom primeru treba u polju Seam Floor izmeniti postojeu vrednost i umesto nje staviti vrednost dna buotine (to je u ovom sluaju 100) jer suma debljina intervala treba da bude jednaka dubini buotine. U sluaju greke na nekom drugom sloju pomeriti krovinu ili podinu zavisno od okolnosti. Potvrdom na OK sistem automatski preraunava debljinu sloja.
21
Slika 20. Panel za izmenu slojeva na buotini
Buotina B-035 nema nikakve podatke i nee biti koriena u daljem radu. U meniju BoreholeDB izabrati Select boreholes. Na panelu izabrati buotine All i B-035 i za nju tiklirati opciju Exclude (Slika 21).
Slika 21. Izbor buotina za rad
2.4.2. Priprema slojeva za modeliranje

Buotine koje se nalaze u bazi nisu ifrirane na istom nivou (neke imaju U1, neke podeljeno na U11 i U12...). Da bi model mogao da se napravi sve buotine moraju imati isti (najnii) nivo podele. U Minexu se to radi na sledei nain: prvo se ugljevi podele na najniu podelu (U122, U121, UB22...), a zatim se izmeu njih uvuku odgovarajui jalovi proslojci sa debljinom nula. Izabrati SeamModel - >Bore Seam Modelling ; na panelu na kartici Ply Splitting & Merging popuniti polja kao na slici (Slika 22).
22
Slika 22. Deljenje slojeva na najnii nivo
Klikom na Validate Minex izvri proveru da li moe da podeli slojeve na taj nain i ako je podela uspena izbaci izvetaj u Output-u:
Validation Successful - no errors were found
Fajl se sauva i klikne se na OK. Kada izvri podelu slojeva trai potvdu da se pristupi split intervalu. U Exploreru bi trebalo da se pojavi novi Split Interval kao na slici (Slika 23). Kada se ponovo da prikaz buotina na ekranu, pojavljuju se slojevi koji pored imena u zagradi imaju slovo E, to je oznaka za procenjene (eng. estimated) slojeve.
23
Slika 23. Podela intervala
Sledei korak je da se slojevi koji nedostaju dodaju na buotine (npr. nije nabuen U3 ili jalovi proslojci izmeu procenjenih slojeva). Kao i malopre, izabere se SeamModel ->Bore Seam Modelling, kartica Set Missing Seams. Postupak se radi za sve slojeve na celim buotinama (Slika 24).
Slika 24. Dodavanje nedostajuih slojeva na buotine
24
Kada kliknemo OK u Output-u se pojavljuje spisak dodatih slojeva po buotinama. Slojevi su sada dodati u ifarnike buotina, ali jo uvek nisu prikazani na njima. Da bi se slojevi totalno rekonstruisali na buotinama prebacimo se na karticu Missing Seam Interpolation. Rekonstrukcija se radi na svim dodatim slojevima na svim buotinama u jednom prolazu, izvan i unutar poznatih intervala (Slika 25).
Slika 25. Rekonstrukcija dodatih slojeva
Kada kliknemo na OK vratimo se na karticu Set Missing Seams da bi slojevima koji su u predhodnom koraku interpolirani dodelili debljinu nula (Slika 26).
Napomena: od opcija u dnu kartice treba da bude tiklirana samo opcija Int, da ne bi preveo na nulu i slojeve koji su ve postojali.
25
Slika 26. Dodeljivanje debljine nula interpoliranim slojevima
Da bi se interpolirani slojevi videli na prikazu buotina potrebno je na panelu Borehole Display tiklirati Interpolated; opciono moe se zadati i posebna boja prikaza interpoliranih slojeva. Ovim korakom je zavrena priprema za modeliranje leita.
2.4.3. Izrada geolokog modela leita

Geoloki model sainjavaju dva modela: strukturni i model kvaliteta. Kreiranje mrea za ove modele moe se izvriti na dva naina pojedinanim kreiranjem svake mree ili kreiranjem svih mrea odjednom. Kada je potrebno napraviti ceo model (a ne samo pojedine mree za neki sloj) laka varijanta je pravljenje svih mrea odjednom. Prvo je potrebno napraviti novi direktorijum u koji e biti smetene sve mree. Na kartici Runtime u Exploreru se u kontekstnom meniju DD Names izabere Add New DD Directory. Novi direktorijum nazvati Mreze. Izabere se opcija SeamModel ->Multi-Seam Multi-Variable Gridding. Na panelu (Slika 27) se u Output DD Name izabere direktorijum Mreze. Pritiskom na dugme Add Variables vrimo odabir promenljivih za koje emo da pravimo mree, u ovom sluaju to su strukturne promenljive podina, krovina i debljina sloja i promenljive kvaliteta DTE, pepeo i vlaga. Dugme Select Seams koristi za odabir slojeva za koje hoemo da uradimo mree (izaberu se svi slojevi).
26
Slika 27. Panel za kreiranje vie mrea
U koloni Gridding Params treba navesti naziv skupa parametara po kojima e biti kreirani pojedine mree. Da bi definisali parametre kliknemo na dugme pored polja i pojavie se panel sa slike (Slika 28). to se tie metode gridovanja za strukturne promenljive je preporuljivo koristiti internu Minex metodu General Purpose. Na prvoj kartici se definie povrina na kojoj se vri gridovanje. Ta povrina moe biti definisana nekom ve postojeom mreom Use Reference Grid, moe biti runo uneta preko koordinata, a moe biti digitalizovana. Mesh Size je veliina mree, koja je u naem sluaju 25x25.
27
Slika 28. Definisanje parametara za kreiranje mrea
Na drugoj kartici se definiu parametri algoritma za proraun vrednosti u vorovima mree. Kada su svi parametri uneti moramo ih sauvati pod nekim imenom da bi ih pozvali pri kreiranju mrea. Desnim tasterom mia kliknemo na jeziak u donjem levom uglu panela i izaberemo opciju Save parametars; damo im ime Struktur. Ovi parametri su zajedniki za podinu i za krovinu, dok za debljinu sloja treba u odeljku Limits ograniiti Min na nula. Takve parametre istim postupkom sauvati pod imenom Debljina. Za mree kvaliteta koristi se metoda Inverse Distance interpolaciona metoda Standard sa stepenom dva (Slika 29). Poto smo pri uvozu podataka ograniili vrednosti DTE, vlaga i pepeo ovde se Limits moe postaviti na Data. Ovako unete parametre sauvati pod imenom Kvalitet.
28
Slika 29. Definisanje parametara za mree kvaliteta
Kada smo definisali sve parametre vratimo se na panel Multi-Seam Multi-Variable Gridding i unesemo definisane parametre (Slika 30). Na kartici Advanced Options tiklirati opcije Data Accumulation (akumulacija je proizvod debljine intervala i vrednosti modelirane veliine) i Thickness.
Slika 30. Unos definisanih parametara
29
Kliknemo na Update List i zatim na OK. U Output-u daje izvetaj o napravljenim mreama. U direktorijumu Mreze.grd se pojavljuju naprevaljene mree (Slika 31).
Slika 31. Prikaz napravljenih mrea
Ovako napravljene mree jo uvek ne predstavljaju strukturni model. Model treba da bude u saglasnosti sa stratigrafskom sekvencom, odnosno da se slojevi ne seku meusobno u prostoru izmeu buotina. Na isti nain kako je napravljem direktorijum Mreze napraviti direktorijum Model. Izabrati SeamModel ->Seam Model Operations. Izgled panela dat je na slici (Slika 32). Jedna od potrebnih stavki je Top Grid to predstavlja teren odnosno povrinu iznad koje nijedan sloj ne moe da ide. Za potrebe ove opcije kreiraemo mreu od usta buotina. Izabrati Grid -> Compute i izabrati parametre Struktur. Klikom na OK pojavljuje se panel sa slike Slika 33.
Slika 32. Kreiranje mree ''terena''
30
Novu mreu nazvati Teren i sauvati u direktorijumu Mreze. Ovu mreu sada odabiramo kao Top Grid.
Slika 33. Panel za pravljenje modela
Kada kliknemo na OK Minex u direktorijum Model smesti novonastale mree koje sada predstavljaju strukturni model leita. Model kvaliteta predtavljaju mree DTE, vlage i pepela koje se i dalje nalaze u direktorijumu Mreze. Odabirom Grid -> Display pojavljuje se panel sa slike (Slika 34). na kome se mogu podesiti parametri prikaza svake pojedinane na ekranu. Kao primer je dat prikaz terena na slici (Slika 35).
31
Slika 34. Parametri za prikaz mrea
Slika 35. Prikaz mree Teren sa buotinama
Veba za samostalni rad van asa (domai)

Svaka grupa u svom projektu (A, B, C) treba da uradi strukturni model. Uraditi model kvaliteta
32
Sadraj asa
1. Modeliranje leita savremenim alatima.............................................................................. 1 2.1. Uvod ................................................................................................................................. 1 2.1.1. Klasifikacija metoda modeliranja ................................................................................ 1 2.1.2. Triangulacija ............................................................................................................... 2 2.1.3. Pregled metoda zasnovanih na mrei ........................................................................ 2 2.1.4. Jednodimenzioni variogram........................................................................................ 3 2.2. Metode modeliranja .......................................................................................................... 8 2.2.3. Inverzno rastojanje ..................................................................................................... 8 2.2.4. Krigovanje ................................................................................................................ 10 2.2.3. Splajnovi ................................................................................................................... 13 2.2.4. Regresione povri .................................................................................................... 13 2.1.5. Poreenje algoritama ............................................................................................... 14 2.3. Faktori koji utiu na formiranje mree............................................................................. 16 2.3.1. Parametri mree ....................................................................................................... 16 2.3.2. Parametri zone pretrage........................................................................................... 18 2.3.3. Broj i raspored poznatih taaka ................................................................................ 20 2.4. Modeliranje u Minex-u .................................................................................................... 21 2.4.1. Korigovanje podataka na buotinama ...................................................................... 21 2.4.2. Priprema slojeva za modeliranje .............................................................................. 22 2.4.3. Izrada geolokog modela leita .............................................................................. 26 Sadraj asa....................................................................................................................... 33
33

PPK Vezba Modeliranje

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

PPK Vezba Modeliranje

Uploaded by

Copyright:

Available Formats

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

1. Modeliranje leita savremenim alatima

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

2.1.3. Pregled metoda zasnovanih na mrei

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

2.1.4. Jednodimenzioni variogram

1 {[ f ( x1 ) f ( x 2 )]2 + [ f ( x 2 ) f ( x3 )]2 + ... + [ f ( x n 1 ) f ( xn )]2 2( n 1)

Za rastojanje 2d variogram je:

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

1 {[ f ( x1 ) f ( x3 )]2 + [ f ( x 2 ) f ( x 4 )]2 + ... + [ f ( xn 2 ) f ( x n )]2 2( n 2)

Slika 2. Vrednosti olova u uzorcima uzetim na 1.5m intervalima

Slika 3. Raunanje variograma za rastojanje od jednog razmaka (intervala) uzorka

Variogram za rastojanje d=1.5m se raunaka kao:

1 [(15 20) 2 + ( 20 22) 2 + ( 22 22) 2 + ... + ( 22 25) 2 ] = 23(%) 2 2 26

Slika 4. Raunanje variograma za rastojanje od dva intervala uzorka

Variogram za rastojanje od 3m je:

1 [(15 22) 2 + ( 20 22) 2 + ( 22 26) 2 + ... + ( 21 25) 2 ] = 47(%) 2 2 25

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 5. Eksperimentalni variogram

Slika 6. Variogrami za dve razliite mineralizacije: A i B

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 7. etiri vrste variograma u odnosu na kontinuitet

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 8. Sferini model variograma

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 9. Metod fitovanja eksperimentalnog variograma sferinim modelom

2.2. Metode modeliranja

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 10. Prikaz koraka i elemenata metode inverznog rastojanja

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 11. Krigovanje

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

2.2.4. Regresione povri

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

Slika 12. Regresione povri

2.1.5. Poreenje algoritama

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

kriva sa vrhovima, jamama i zaravnima Trend povri

glatke krive sa lokalnim anomalijama

glatke krive izmeu podataka

glatke krive ali slabo uklapanje u poznate podatke

Slika 13. Pregled algoritama za modeliranje

Skripta iz Projektovanja povrinskih kopova

Rudarsko-geoloki fakultet Beograd

2.3. Faktori koji utiu na formiranje mree

2.3.1. Parametri mree

Skripta iz Projektovanja povrinskih kopova