Professional Documents
Culture Documents
(مقاله پژوهشی)
چکیده
مدلسازی ناهمگونی رخسارههای زمینشناسی نقشی مهم در شناسایی موقعیت قرارگیری رخسارهها ایفا میکند .استفاده از
روشهای تخمین و شبیهسازی زمینآماری مبتنی بر واریوگرام به دلیل دقت باال و لحاظ کردن عدم قطعیت مدلها ،امروزه
کاربردهای مؤثر و چشمگیری در مدلسازی نهشتههای معدنی داشتهاند .با توجه به خطی بودن تخمینگرهای مرسوم زمینآماری،
مدلسازی فضایی ویژگیهای رخسارهها با کاستیهایی همراه است .الگوریتم شبیهسازی شاخص پیدرپی ) (SISروشی محبوب و
پرکاربرد در حیطه مدلسازی رخسارهها است که بر پایه ی آنالیز ساختاری متغیر شاخص و مبتنی بر برآورد تابع توزیع احتمال
محلی با کمک کریجینگ شاخص اجرا میشود .این روش نیز زمانی که حجم دادههای اولیه پایین است عملکرد مناسبی از خود
نشان نمیدهد .روش زنجیره مارکوف تعمیمیافته ( )GCMCیکی از مناسبترین روشهای زنجیره مارکوف در شبیهسازی
متغیرهای گسسته در نهشتههای رسوبی است .این روش برای شبیهسازی از روابط بین کالسی و احتماالت گذار استفاده میکند.
در این تحقیق از سه روش تخمین کریجینگ شاخص ،روشهای شبیهسازی SISو GCMCدر مدلسازی واحدهای کربناته یک
مقطع انتخابی از نهشته آهک ارشتناب بستانآباد استفاده شده است .در ادامه نتایج حاصل از هر سه روش باهم مقایسه شده و
میزان بازتولید مقادیر نسبت حجمی و واریوگرامها مورد بحث قرار گرفت .درروش کریجینگ شاخص روند عمومی قرارگیری
کالسها بهخوبی تولید شده ،اما هموارشدگی بهصورت واضح در مقطع دیده میشود .در نتایج GCMCنحوه تولید الگوها نسبت
به دو روش دیگر انطباق بهتری با واقعیت زمینشناسی منطقه دارد .این تحقیق نشان میدهد که روش SISدر تولید الگوها عملکرد
ضعیفتری نسبت به GCMCداشته و الگوهای تولیدی متفاوت از وضعیت واقعی الیهبندی بوده و پراکندگی بیشتری از خود نشان
میدهند .با توجه به نتایج منطقی و پیادهسازی آسان ،روش GCMCابزاری مناسب جهت پیشبینی اولیه و مدلسازی کالسها
در محیطهای رسوبی است.
کلمات کلیدی:
زمینآمار ،متغیر گسسته ،شبیهسازی شاخص پیدرپی ،زنجیره مارکوف جفتشده تعمیمیافته ( ،)GCMCاحتماالت گذار
37
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
38
نشریه روشهای تحلیلی و عددی در مهندسی معدن بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته...
سیلیس به واحدهای مختلف متمایز شدهاند .میزان کانیهای چینهشناسی برای اهداف ژئوتکنیکی استفاده کردند [.]18
رسی و مقدار سیلیس باعث تغییر رنگ در واحدهای موردنظر در مطالعه حاضر برای مدلسازی واحدهای آهکی ،از روش
شده ،بهنحویکه در نمونههای دستی این واحدها با اختالف تخمین کریجینگ شاخص ،روش شبیهسازی SISو روش
رنگ از هم قابلتفکیک هستند .با توجه به اختالف در ترکیب شبیهسازی GCMCارائهشده توسط پارک و همکاران
واحدهای موجود ،منطقی است که ابتدا این واحدها از هم استفاده شده است .پیشازاین کارایی روش GCMCدر
تفکیکشده و در مرحله بعد نسبت به تعیین خصوصیات مقایسه با روش SISبرای مدلسازی الگوهای موجود در
عیاری داخل هر واحد اقدام شود .در این مطالعه یکی از رسوبات نامتراکم با دادههای کم و پراکنده و نیز گونههای
پروفیلهای حفاری موجود در بلوک Cاین ذخیره انتخاب و سنگی بررسیشده است [ .]10,9به همین دلیل این تحقیق
نسبت به مدلسازی واحدهای موجود در آن اقدام شد .مقطع برای پاسخ به این سؤال که آیا اعمال الگوریتم GCMC
پروفیل منتخب در شکل 1نشان داده شده است .در این بهعنوان یکی از روشهای کارآمد زنجیره مارکوف عملکرد
مقطع 5 ،گمانه اکتشافی به فاصله تقریبی صد متر و متوسط مناسبتری در مدلسازی رخسارههای سنگی همراه با روش
عمق 77متر حفرشده که سه واحد آهکی متفاوت در آنها SISو کریجینگ شاخص دارد یا خیر ،انجام شد .در این
قابل تشخیص است .این واحدها بر روی یک الیه شیلی راستا الگوریتم GCMCبرای شبیهسازی رخسارهها در یک
قرارگرفتهاند .واحدهای آهکی در این نهشته بر اساس تفاوت نهشته آهک استفادهشده و نتایج بهدستآمده با نتایج
در ترکیب شیمیایی و رنگ بهصورت کالسهای یک (،)cl1 حاصل از اعمال روش کریجینگ شاخص و شبیهسازی SIS
دو ( )cl2و سه ( )cl3تفکیکشدهاند .کالس یک فراوانترین مقایسه شد.
نوع سنگآهک در این ذخیره بوده و در مغزهها به رنگ کرم
دیده میشود .متوسط عیار CaOدر این نوع سنگآهک باال مواد و روشها
و حدود 55درصد و عیار Al2O3و SiO2در آن از دیگر
-1-2منطقه مورد مطالعه
کالسها کمتر است .سنگآهک کالس دوم به دلیل وجود
کانیهای رسی از نوع کلریت به رنگ سبز زیتونی بوده، نهشته آهک ارشتناب به سن زمینشناسی میوسن در
متوسط عیار CaOدر آن بهطور متوسط 52درصد و در مقابل شمال غرب بستانآباد واقع شده است [ .]19سنگآهک
عیار Al2O3که بخش اصلی تشکیلدهنده کانیهای رسی ارشتناب بهمنظور تأمین نیازهای کارخانه تولید آلومینا از
است و عیار SiO2که بخش اصلی کانیهای سیلیکاته از نوع نفلین سینیت رزگاه (سراب) مورد اکتشاف و ارزیابی
چرت را تشکیل میدهد افزایش مییابد .متوسط عیار CaO قرارگرفته است .سنگآهک در پروسه تولید آلومینا از نفلین
در کالس 3حدود 50درصد و پایینتر از انواع دیگر است. سینیت و محصوالت جانبی آن نقش اساسی دارد .سنگآهک
رنگ آن خاکستری و به دلیل وجود ناخالصیهایی از نوع در سه مرحله سینتراسیون ،سیلیس زدایی عمیق و تولید
چرت و سنگآهک چرتی ،میزان SiO2این کالس از دیگر سیمان از گل بلیت که از فرایندهای تولید آلومینا از نفلین
بخشهای آهکی بیشتر است .درصد حجمی کالس یک در سینیت هستند ،دارای نقش مهم و اثرگذاری است .با توجه
گمانهها 52/7درصد ،کالس دو 24/9درصد و کالس سه به تنوع لیتولوژی محدوده ارشتناب به چهار بلوک C ،B ،A
22/4درصد است. و Dتقسیم شده است .با توجه به کمیت و کیفیت کانسنگ
بلوک ،Cاولویت مطالعات به این بلوک داده شده است.
بهمنظور اکتشاف آهک در بلوک Cمحدوده ارشتناب ،شبکه
حفاری بهصورت 100×100متر طراحی و اجرا شده است.
مقدار سیلیس و اکسید آهن موجود ارشتناب الیههای کربناته
مختلف باکیفیت سنگ متفاوت وجود دارد .با توجه به اهمیت
میزان CaOو ناخالصیهای موجود در سنگآهک در فرایند
شکل شماتیک از نحوه قرارگیری گمانهها و واحدهای پخت نفلین سینیت ،الیههای آهک موجود در کانسار
مختلف ارشتناب بر اساس میزان CaOو درصدهای مختلف رس و
39
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
40
نشریه روشهای تحلیلی و عددی در مهندسی معدن بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته...
معرفی شد دوزنجیره مستقل از هم در جهات افقی و قائم برای همه کالسهای موجود در هر گره یا سلول ،تابع چگالی
تشکیل میشود بهطوریکه این زنجیرهها به دادههای محلی همه کالسهای موجود را میتوان محاسبه کرد.
چاههای اکتشافی اطراف شرطی میشوند و احتمال حضور کالس با باالترین متغیر شاخص برآورد شده (بهعنوانمثال
هر یک از حاالت یا ویژگیهای زمینشناسی در سلول با بیشترین احتمال وقوع) میتواند بهعنوان کالس تخمینی
مجهول به دست میآید [ .]13باوجوداینکه مدل CMC (محتملترین) به آن سلول یا گره اختصاص یابد.
مدل جدید و کارآمدی در علوم زمین بود اما کاستیها و -2-4-2روش شبیهسازی SIS
معایبی نیز داشت .کالسها یا متغیرهای گسسته مورد
SISیکی از پرکاربردترین روشهای زمینآماری در
مطالعه پس از شبیهسازی ،بهصورت مایل در جهت حرکت
زمینه مدلسازی متغیرهای گسسته است که کارایی خوبی
الگوریتم ظاهر میشوند بهخصوص زمانی که تعداد دادههای
در بازتولید واریوگرامها و نیز تعیین ناهمگونیهای
شرطی کننده ناکافی باشد ،اگر کالس یا متغیری مربوط به
زیرسطحی دارد .عملکرد SISمتکی بر نتایج کریجینگ
بخش کوچکی از منطقه مورد مطالعه باشد در نتایج
شاخص است بهطوریکه در هر نقطه از شبکه مقدار تابع
شبیهسازی یا حذف میشود و یا بسیار ناچیز شمرده
چگالی احتمال شرطی محاسبه میشود .این الگوریتم با
میشود [ .]14,10پارک علت مایل بودن یا جهتدار بودن
ترکیب الگوی شاخص و نیز توزیع غیر پارامتری متغیرها
تصاویر را ،سطر به سطر اجراشدن الگوریتم CMCعنوان
بهصورت پیدرپی اجرا میشود [ .]21بهطوریکه پس از
کرد [ .]10سپس وی الگوریتم را تعمیم داد و مسیر تصادفی
انتخاب تصادفی یک گره از شبکه و با توجه به بازه
را برای شروع و اجرای الگوریتم تعریف کرد .درروش CMC
همسایگی تعریفشده ،مقدار تابع چگالی احتمال شرطی در
محاسبه احتماالت گذار در جهت قائم از روی دادهها انجام
می گیرد ،سپس احتماالت گذار افقی طبق قانون والتر17
هر گره با در نظر گرفتن دادههای اصلی و نیز مقادیر
شبیهسازیشده قبلی محاسبه میشود و بهاینترتیب تمام
محاسبه میشود [ .]4قانون والتر بیان میکند توالی
گرههای شبکه شبیهسازی میشوند .درنهایت به میزان
رخسارههایی که در توالیهای رسوبی عمودی مشاهده
دلخواه مقادیر تحقق 16با میزان احتمال برابر ایجاد میشود
میشوند نیز باید در جهت افقی و در مقیاس دیگری رسوب
که درنهایت جهت ارزیابی ناهمگونیهای منطقه مورد نظر
کنند؛ اما درروش GCMCجهت سهولت محاسبه احتماالت
به کار میرود [ .]22شبیهسازی SISکنترل ساختاری
گذار ،ابتدا با استفاده از دادههای در دسترس ،سلولهای
کمتری را فراهم میکند .در خروجیهای SISانتقالهای
خالی با روش نزدیکترین همسایگی تخمین خورده و بدین
زمینشناسی بین کالسهای مختلف تا حدودی غیرواقعی
ترتیب تصویر آموزشی از منطقه تهیه میشود ،سپس مقادیر
هستند و همبستگی متقابل بین کالسهای مختلف در نظر
احتماالت گذار در جهات اصلی در فاصله گام اول از این
گرفته نمیشود [.]23
نقشه یا تصویر آموزشی اولیه استخراج میشوند [ .]10در
محاسبه ماتریس احتماالت گذار بخصوص در جهت قائم، -3-4-2روش شبیهسازی GCMC
گاهی به علت یکسان نبودن فاصله گامها یا تعداد آنها و یا عملکرد بسیاری از روش-های زمینآماری مرسوم جهت
نوع توالی چینهشناسی ،مقادیر ماتریس محاسبهشده در دو توصیف ساختارهای زیرسطحی و ناهمگونیهای ذخایر،
جهت مخالف هم ممکن است بنا به دالیلی یکسان نباشند مبتنی بر محاسبه و تفسیر واریوگرامها است .در مقابل
[ .]9این اختالف در نمودارهای احتماالت گذار روشهای زمینآماری زنجیره مارکوف که بر پایهی
ترنزیوگرامها( 18اولین بار توسط لی اینگونه نامیده شد [)]8 احتماالت شرطی انجام میگیرند روابط بین کالسی را نیز
بهصورت تعداد پیکهای متفاوت نیز دیده میشود [.]24 در محاسبات لحاظ میکنند و تفسیر نتایج آنها آسانتر از
در بازنویسی دوباره رابطه ،GCMCاین الگوریتم با واریوگرامها و توابع کوواریانس است [ .]13این خصوصیت
اعمال تغییراتی ارتقا پیدا کرد .در رابطه جدید ،نامتقارن باعث تولید الگوهای مطلوبتر در تحققهای
بودن یا غیر همسان بودن مقادیر احتماالت در دو جهت شبیهسازیشده و مقاطع واقعیتری را در شبیهسازیهای
مخالف هم یا غیر ایستایی جهتی ،لحاظ شد [ .]9این زمینشناسی ارائه میدهد که از این حیث برتری نسبی
الگوریتم در مدلسازی متغیرهای گسسته و ناهمگونیهای نسبت به روش SISدارد .درروش CMCکه توسط الفکی
41
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
دادههای شرطی کننده در جهات اصلی جغرافیایی است. زیرسطحی در مقایسه با روش شبیهسازی متداول ،SIS
توضیح کلی روش GCMCبهتفصیل در [ ]10,9آمده است. عملکرد بهتری دارد مخصوص ًا اگر دادههای کافی در دسترس
نباشد .این الگوریتم زمان کمی برای اجرا نیاز دارد و نحوه
-5-2اعتبار سنجی نتایج اعمال آن بر رویدادهها ساده و بدون پیچیدگی است .ازاینرو
در شبیهسازیهای زمینآماری ،تحققهای مختلف ابزاری با کارایی مناسب در مطالعات علوم زمین محسوب
تولیدشده امکان ارزیابی عدم قطعیت را فراهم میکند. میشود [ .]10,9در GCMCتکبعدی ،با توجه به شکل 2
انتخاب بهترین تحقق یا بهترین مدل بر اساس مقایسه احتمال شرطی وقوع حالت Sjدر سلول iباوجود حالت Spدر
معیارها یا اندازههای مربوط به نتایج مدل با اندازههای سلول Mو Sqدر سلول Nبهصورت رابطه ( )6محاسبه
مدلهای مورد انتظار میتواند انجام گیرد [ .]25نتایج کلیه میگردد [.]10
شبیهسازیهای عددی بایستی هم ازلحاظ تفاسیر
زمینشناسی و نیز معیارهای آماری ازجمله بازتولید
هیستوگرامها و بازتولید واریوگرامها با مدلهای مورد انتظار
همخوانی داشته باشند [ .]25در مطالعه حاضر پس از
بررسی تحققهای تولیدشده ،بهترین تحققها بر اساس
بازتولید مقادیر نسبت حجمی ،بازتولید واریوگرامها و
بازتولید ترنزیوگرامهای مربوط به رخسارههای سنگی
بررسی گردیدند .جهت انتخاب بهترین تحقق از دو روش در شکل شماتیک برای محاسبه رابطه زنجیره مارکوف
این مطالعه استفاده گردید که هر دو روش نتایج یکسانی ( Spحالت سلول Sj ،Mحالت سلول Sq،iحالت سلول Nو Sf
داشتند .یکی از روشهای انتخاب بهترین تحقق ،روش نرخ حالت سلول Oو Sgحالت سلول Pاست) []10
انحراف )DR( 19است که توسط رنجینه خجسته پیشنهاد
) 𝑞𝑆 = 𝑁𝑍 𝑃𝑟(𝑍𝑖 = 𝑆𝑗 |𝑍𝑀 = 𝑆𝑝 ,
شده است [ .]26در این روش برای تمام تحققها ،ابتدا نرخ |𝑖−𝑃|𝑀−𝑖| +𝑃|𝑁−
𝑗𝑝 𝑞𝑗 ()6
انحراف کالس با بیشترین نسبت حجمی با استفاده از رابطه =
|𝑀+𝑃|𝑁−
𝑞𝑝
( )8محاسبهشده و تحققهایی که کمترین DRرا دارند
انتخاب میشوند. در رابطه باال fو bبه ترتیب بیانگر جهات پسرو و پیشرو
در محاسبه احتماالت گذار از سلولهای معلوم به مجهول و
| 𝐸𝑃 |𝑃𝑂 −
= 𝐷. 𝑅. ()8 برعکس است .جهت به دست آوردن رابطه دوبعدی GCMC
𝐸𝑃
در رابطه ( 𝑃𝑂 ،)8و 𝐸𝑃 به ترتیب مقدار نسبت حجمی دوزنجیره مستقل از هم تشکیلشده در دو جهت افقی و
مشاهدهشده (نتیجه شبیهسازی) و نسبت حجمی مورد قایم باهم ترکیب میشود .رابطه اصلی GCMCدوبعدی با
انتظار (مقدار داده اولیه) است .در استفاده ازاینروش معیار در نظر گرفتن چهار سلول در اطراف سلول مجهول بهصورت
مقایسه کالسی است که بیشترین نسبت حجمی را در رابطه ( )7نوشته میشود [:]10
دادههای اولیه دارد ،سپس از میان چندین تحقق 𝑂𝑍 𝑃𝑟(𝑍𝑖 = 𝑆𝑗 |𝑍𝑀 = 𝑆𝑝 , 𝑍𝑁 = 𝑆𝑞 ,
انتخابشده DR ،مربوط به کالس دوم ازلحاظ مقدار نسبت ) 𝑔𝑆 = 𝑃𝑍 = 𝑆𝑓 ,
|𝑖−𝑃 𝛿𝑤|𝑀−𝑖| +𝑃𝛿𝑒|𝑁−𝑖| −𝑃𝛿𝑛|𝑂−𝑖| +𝑃𝛿𝑠|𝑃− ()7
𝑗𝑝 𝑞𝑗 𝑗𝑓 𝑔𝑗
حجمی دادههای اولیه ،بهعنوان معیار انتخاب در نظر گرفته 𝑛 =
|𝑖∑𝑘 −𝑃𝛿𝑤|𝑀−𝑖| +𝑃𝛿𝑒|𝑁−𝑖| −𝑃𝛿𝑛|𝑂−𝑖| +𝑃𝛿𝑠|𝑃−
میشود .با توجه به زمانبر بودن این روش ،در این نوشته، 𝑘𝑝 𝑞𝑘 𝑘𝑓 𝑔𝑘
رابطه نرخ انحراف وزندار )Weighted DR( 20به شرح زیر 0 𝑥𝑎𝑚𝑑𝜆 > 𝑑∅
{ = 𝑑𝛿
تعریف شد که با یکبار محاسبه آن میتوان بهترین تحققها 1 𝑥𝑎𝑚𝑑𝜆 ≤ 𝑑∅
را از بین تحققهای موجود بهسادگی انتخاب کرد .در رابطه در رابطه ( j=1,2,…,n )7بیانگر تعداد حاالت سیستم
( )9با توجه به اهمیت کالس با نسبت حجمی بیشتر ،مقادیر (تعداد کالسها) بوده و 𝑑𝛿 و 𝑑∅ نشاندهنده فاصله از
42
نشریه روشهای تحلیلی و عددی در مهندسی معدن بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته...
-2-3اعمال روش کریجینگ شاخص چندگانه و نسبت حجمی کالسها بهعنوان وزن در محاسبه میزان
شبیهسازی شاخص پیدرپی انحراف نتایج شبیهسازی از مقادیر اولیه دخالت دادهشدهاند:
𝑛
کریجینگ شاخص با استفاده از نرمافزار Wingslibدر | ∗𝑖𝑃 𝑊. 𝐷. 𝑅. = ∑ 𝑃𝑖 |𝑃𝑖 − ()9
محدود مورد تخمین در شبکهای به ابعاد 77×500متر 𝑖=1
اعمال شد .خروجی کریجینگ شاخص احتمال حضور در این رابطه 𝑖𝑃 نسبت حجمی کالس iو ∗𝑖𝑃 نسبت
هرکدام از کالسها را در سلول مورد تخمین نشان میدهد. حجمی نتیجه شبیهسازی کالس iام است .سپس تحقق
کالسی که بیشترین احتمال حضور را دارد نوع کالس سلول مربوط به کمترین مقادیر بهعنوان بهترین تحققها انتخاب
را تعیین میکند .شبیهسازی SISدر همان شبکه اولیه مورد میشود .در این روش مقادیر نسبت حجمی هر کالس بهطور
استفاده کریجینگ شاخص بر رویدادهها پیاده شد .در طی مستقیم در محاسبه اختالف مقادیر واقعی از
فرایند شبیهسازی 50تحقق تولید شد .از بین 50تحقق شبیهسازیشده مدنظر قرار میگیرد ،بهطوریکه کالس با
تولیدشده ،جهت انتخاب بهترین تحققها از هر دو روش بیشترین نسبت حجمی بیشترین تأثیر را در محاسبه خواهد
تعیین میزان انحراف مقادیر نسبت حجمی از مقادیر واقعی داشت.
با روابط 7و 8استفاده شد .نتایج هر دو در انتخاب بهترین
نسبت حجمی بازتولیدشده یکسان بود و تحققهای ،1 ،15 نتایج و بحث
12و 26بهعنوان بهترین تحقق با بهترین نسبت حجمی در مطالعه حاضر جهت ایجاد مدل قابلقبول ازلحاظ
بازتولیدی انتخاب شدند. زمینشناسی و بستر مناسب جهت شبکهبندی ،ابتدا
در شکل ،4مقاطع تحققهای انتخابی و نتیجه روش مختصات دکارتی پنج چاه اکتشافی موجود ،به مختصات
کریجینگ شاخص در مختصات چینهشناسی و در شکل 5 چینهشناسی طبق رابطه ( )4تبدیل شد .سپس سلول بندی
مقاطع تحققهای ذکرشده و نتیجه کریجینگ شاخص در در محدوده تخمین (در شبکهای با ابعاد سلول به ترتیب 5
مختصات واقعی نشان دادهشدهاند .در روشهای شبیهسازی متر در جهت افق و یک متر در جهت قائم) انجام و در ادامه
شرطی دادههای اولیه در محل اصلی بازتولید میشوند و اگر محاسبه واریوگرامها و احتماالت گذار و نیز شبیهسازی در
چنانچه خطای اندکی در این خصوص ایجاد شود معموالً این مختصات انجام گرفت .درنهایت طبق رابطه ()4
ناشی از نوع شبکهبندی است [.]25 سلولهای شبیهسازیشده در مختصات واقعی خود قرار
در مقاطع نتایج شبیهسازی بهمنظور مشخص شدن این داده شدند.
ویژگی ،محل گمانههای بازتولیدی در هر دو روش SISو
GCMCمتمایز شدهاند .حداقل معیارهای الزم جهت -1-3واریوگرافی و بررسی ساختار فضایی
ارزیابی مدل و قابلقبول بودن تحققهای تولیدی ،طبق نظر برای ترسیم واریوگرامهای تجربی برای هرکدام از
لیونگتون و همکاران ،بررسی بازتولید ساختار فضایی ،با کالسهای موجود که قبالً بر اساس ترکیب شیمیایی و رنگ
محاسبه و رسم واریوگرامهای شاخص و نمودارهای تعریفشده ،از مقادیر شاخص استفاده شد .بدینصورت که
احتماالت گذار است [ .]25به همین منظور واریوگرامهای در صورت حضور کالس مورد نظر در محل نمونهبرداری
شاخص تحققهای انتخابی برای هر سه کالس و نیز مقدار «یک» و در صورت عدم حضور کالس در آن نقطه،
واریوگرام شاخص مقادیر تخمین خورده به همراه مقدار «صفر» به آن اختصاص یافت .در ادامه ،واریوگرامهای
واریوگرامهای شاخص دادههای اولیه و مدلهای متناسب شاخص هر کالس در جهات افقی و عمودی محاسبه شدند.
برازش شده جهت مقایسه و بررسی بیشتر ،در شکل 3نشان واریوگرامهای شاخص تجربی و مدلهای برازش شده ،در دو
دادهشدهاند .جهت ارزیابی واریوگرامهای بازتولیدی ،شکل جهت اصلی افقی و عمودی در شکل 3به همراه
کلی واریوگرامها ،مقدار اثر قطعهای ،سقف و نیز مقدار شعاع واریوگرامهای شاخص نتایج شبیهسازی نشان دادهشدهاند.
تأثیر بررسی شد. پارامترهای مربوط به مدلهای برازش شده در جدول 1
آورده شدهاند.
43
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
جدول -1پارامترهای مدل کروی چند ساختاره برازش شده در جهات قائم و افقی
اثر آستانه آستانه آستانه شعاع تأثیر شعاع تأثیر شعاع تأثیر
کالسها سقف
قطعهای اول دوم سوم اول (متر) دوم (متر) سوم (متر)
(الف) (د)
(ب) (ه)
(ج) (و)
واریوگرامهای شاخص دادههای اولیه (به رنگ قرمز) ،مدلهای کروی برازش شده (خطوط مشکی) ،واریوگرام شاخص بازتولید
شده روش کریجینگ (خطوط سبزرنگ) و واریوگرامهای شاخص بازتولید شده تحققهای منتخب روش ( SISخطوط آبیرنگ)
برای (الف ،ب ،ج) در جهت افقی و (د ،ه ،و) در جهت قائم به ترتیب برای کالسهای اول ،دوم و سوم
44
نشریه روشهای تحلیلی و عددی در مهندسی معدن بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته...
(ج)
(الف)
(د) (ب)
(ه)
مقاطع مربوط به تحققهای منتخب شبیهسازی SISو مقطع کریجینگ در مختصات چینهشناسی
الف) تحقق ،1ب) تحقق ،15ج) تحقق ،12د) تحقق 26و ه) نتیجه کریجینگ شاخص
(ج) (الف)
(د) (ب)
(ه)
مقاطع مربوط به تحققهای منتخب شبیهسازی SISو مقطع کریجینگ در مختصات تبدیل یافته از چینهشناسی به واقعی
الف) تحقق ،1ب) تحقق ،15ج) تحقق ،12د) تحقق 26و ه) نتیجه کریجینگ شاخص( ،جهت متمایز شدن مقاطع و گمانهها ،از دو راهنما
با رنگهای متفاوت استفاده شده است)
GCMCکه توسط آقای پارک در محیط فرترن تهیهشده، شکل کلی واریوگرامهای اولیه و بازتولیدی ،باوجود
ماتریسهای احتمال گذار در دو جهت قائم و افقی بهطور نوسانات در واریوگرامهای نتایج شبیهسازی ،بسیار به هم شبیه
مستقیم از روی تصویر آموزشی محاسبه گردیده و این روش است .سقف واریوگرامهای بازتولیدی کریجینگ شاخص کمی
در شبکه تعریفشده پیاده شده و 50تحقق به دست آمد. از واریوگرام دادههای اولیه افتادگی نشان میدهد که به
مقادیر احتماالت گذار گام اول در جهات افقی و قائم در خاصیت هموارسازی کریجینگ مربوط میشود.
جدول 2و شعاع تأثیر کالسها در جدول 3آورده شدهاند.
جهت انتخاب بهترین تحققها از دو رابطه 7و 8استفاده اعمال شبیهسازی GCMC -3-3
شد که در هر دو ،تحققهای 29 ،23 ،18و 38انتخاب شبیهسازی GCMCدر همان محدوده تخمین و
شدند که دارای کمترین انحراف بین مقادیر واقعی و شبیهسازی کریجینگ شاخص انجام شد .متغیرهای ورودی
شبیهسازیشده را دارا بودند .در شکل 6مقاطع مربوط به مورد استفاده در این شبیهسازی نیز همانند متغیرهای
این تحققها در مختصات چینهشناسی و شکل 7مقاطع تعریفشده برای SISو IKهستند .در الگوریتم شبیهسازی
45
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
تحققها بایستی ازلحاظ بازتولید ساختاری نیز بررسی شوند. واقعی در مختصات کارتزین (مختصات واقعی) نشان
همچنین ازنظر وضعیت زمینشناسی ،بایستی الگوهای دادهشدهاند.
تولیدشده منطقی و سازگار با وضعیت زمینشناسی منطقه
جدول -2مقادیر احتماالت گذار در جهت افقی و قائم
باشند .جهت ارزیابی مدل GCMCو معیار مناسب برای
تأیید تحققهای انتخابی ،بازتولید احتماالت گذار بررسی ماتریس احتمال گذار در جهت افقی
شد .احتماالت گذار دادههای اولیه و احتماالت گذار Cl1 Cl2 Cl3
تحققهای منتخب در دو جهت افقی و قائم محاسبه شدند Cl1 0/986 0/009 0/005
و مقادیر احتماالت گذار مربوطه در شکل 9نشان
Cl2 0/013 0/972 0/014
دادهشدهاند .با توجه به شکل ترنزیوگرامهای خودبهخودی21
Cl3 0/011 0/001 0/988
و متقاطع ،22نتایج شبیهسازی در مقایسه با ترنزیوگرامهای
دادههای اولیه ،بازتولید خوبی داشتهاند و انطباق بسیار ماتریس احتمال گذار در جهت قائم
خوبی باهم نشان میدهند .جهت مقایسه کمی میزان Cl1 Cl2 Cl3
انطباق دادههای اولیه با نتایج شبیهسازیها و میزان بازتولید Cl1 0/918 0/065 0/016
دادهها در محل اصلی ،نزدیکترین مقادیر سلولهای واقع Cl2 0/111 0/866 0/021
در محل داده در مقاطع شبیهسازی ،با مقادیر دادهها مقایسه
Cl3 0/059 0/001 0/939
شد .تقریباً در تمامی موارد ،برای هر دو روش SISو
،GCMCانطباق تقریباً کاملی بین این دو مقدار وجود دارد. جدول -3مقادیر شعاع تأثیر کالسها در جهت افقی و قائم
جهت برآورد عدم قطعیت مکانی توزیع هر کالس در
شبیهسازی زمینآماری ،مقاطع توزیع احتمال گروهی23 Cl1 Cl2 Cl3
( )EPDتهیه شد .نقشههای ،EPDاز نتایج تعداد تحققهای جهت افقی (متر) 361/9 179 428/9
تولیدشده به دست میآیند ،بهطوریکه احتمال حضور هر
جهت قائم (متر) 12/22 7/49 16/6
کالس در هر گره یا سلول شبکه شبیهسازی برابر با تعداد
دفعات تولید هر کالس در هر گره یا سلول تقسیم بر تعداد الگوهای کلی مشاهدهشده در تحققهای تولیدشده با
کل تحققهای تولید شده است .درنهایت مقاطع احتمال شبیهسازی GCMCو مقطع کریجینگ شاخص مشابه هم
تولیدشده ،میتواند بهعنوان معیاری جهت تعیین عدم هستند و تفاوتهای موجود عدم قطعیت مکانی را نشان
قطعیت مکانی در توزیع کالسها یا میزان احتمال حضور میدهند؛ اما الگوهای تولیدشده در نتایج SISبخصوص در
هر کالس در فواصل افقی یا قایم و در اعماق مختلف و نحوه قرارگیری کالس سوم متفاوت از دو روش دیگر
بهطور دقیقتر در هر گره یا سلول باشد [ .]10به جهت هستند .تحققهای حاصله از روش GCMCنشان میدهند
اینکه تقسیمبندی کالسها برمبنای میزان CaOو SiO2 در دادههای محدود مشابه مقطع مورد مطالعه GCMC ،در
بوده ،کالسها بسیار به هم نزدیک هستند و احتمال وقوع تولید الیهها و الگوهای مختلف عملکرد بهتر و سازگارتر با
خطا وجود خواهد داشت که اجتنابناپذیر است ،لذا میتوان واقعیتهای زمینشناسی منطقه نسبت به SISدارد .بر
این عدم قطعیت را با محاسبه توزیع احتمال گروهی اساس پیشنهاد لیونگتون و همکاران ،نتایج شبیهسازی
کالسها نشان داد .مقاطع EPDتولیدشده از روش ازلحاظ بازتولید مقادیر نسبت حجمی و ساختار فضایی
شبیهسازی SISبرای سه کالس محدوده مورد مطالعه ،در بایستی بررسی گردند [ .]25شکل 8مقادیر نسبت حجمی
شکل 10و مقاطع EPDمربوط به روش شبیهسازی کالسها در دادههای اولیه و مقادیر نسبت حجمی هر سه
GCMCدر شکل 11به همراه گمانهها نشان دادهشدهاند. کالس در نتایج شبیهسازیها را باهم نشان میدهد .با توجه
در این شکلها میزان احتمال حضور هر کالس در محدوده به شکل مقادیر نسبت حجمی در هر دو روش شبیهسازی
مورد مطالعه مشخصشده و بیشترین احتمال حضور هر بهخوبی بازتولید شدهاند که میتواند مالکی بر صحیح بودن
کالس ،در اطراف محل همان کالس در گمانهها است. پارامترهای انتخابی مدلها باشد .عالوه بر این معیار،
46
نشریه روشهای تحلیلی و عددی در مهندسی معدن بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته...
(ج) (الف)
(د) (ب)
(ج) (الف)
(د) (ب)
مقاطع مربوط به تحققهای منتخب شبیهسازی GCMCدر مختصات تبدیل یافته از چینهشناسی به واقعی
الف) تحقق ،18ب) تحقق ،23ج) تحقق 29و د) تحقق ( ،38جهت متمایز شدن مقاطع و گمانهها ،از دو راهنما با رنگهای متفاوت
استفاده شده است)
مقادیر نسبت حجمی کالسها در دادههای ورودی در مقایسه با مقدار میانگین مقادیر نسبت حجمی بازتولیدی روشهای SIS
و GCMC
(الف) (ب)
احتماالت گذار دادههای اولیه محدوده مورد مطالعه و تحققهای منتخب 23 ،18و ،29در الف) جهت افقی ،ب) جهت قائم
47
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
48
نشریه روشهای تحلیلی و عددی در مهندسی معدن ...بررسی عملکرد زنجیره مارکوف تعمیمیافته در شبیهسازی متغیرهای گسسته
[12] Carle, S.F. (1999). T-PROGS: Transition بهمنظور ارزیابی.کالس در مکان مشخص را نشان میدهد
Probability Geostatistical Software. Version 2.1 User's
Guide. University of California, Davis, CA. و تعمیم نتایج حاصل از این تحقیقGCMC کامل روش
[13] Elfeki, A., and Dekking, M. (2001). A Markov پیشنهاد میشود مدلسازی با این روش در شرایط متفاوت
chain model for subsurface characterization: theory and
applications. Mathematical Geology. 33(5). وجود، تعدد کالسها،دیگر همچون پراکندگی دادهها
[14] Li, W., Zhang, C., Burt, J. E., Xing Zhu, A., and کالسهایی با نسبت حجمی مختلف در دادهها و نیز شرایط
Feyen, J. (2004). Two-dimensional Markov Chain
Simulation of Soil Type Spatial Distribution. Soil Science سهبعدی انجام و نتایج حاصله با روشهای مرسوم مقایسه
Society of America 1Journal. 68, 1479–1490.
.شود
[15] Park, E., Elfeki, A., M., and Dekking, M. (2005).
Characterization of subsurface heterogeneity: Integration
of soft and hard information using multi-dimensional مراجع
Coupled Markov chain approach. Developments in Water
Science. 52, 193-202. [1] Elfeki, A., and Dekking, M. (2007). Reducing
geological uncertainty by conditioning on boreholes: the
[16] Moon, Y., Zhang Y., Song Y., Park E., and coupled Markov chain approach. Hydrogeology Journal.
Moon H. (2012). Multivariate statistical analysis and 3D- 15(8), 1439-1455.
coupled Markov Chain modelling approach for the
prediction of subsurface heterogeneity of contaminated [2] Deutsch, C. V. (2002). Geostatistical Reservoir
soil management in abandoned Guryong Mine Tailings, Modelling. Oxford: Oxford University Press, Print.21-22.
Korea. Environmental Earth Sciences. 68, 1527-1538.
[3] Mahmoudi, M., Ranjineh Khojasteh, E., R., and
[17] Han, W. S., Kim, K., Y., Choung, S., Jeong, J., Sharghi, Y. (2019). Geostatistical modelling of the
Jung, N., H., and Park, E. (2014). Non-parametric subsurface geological-geotechnical heterogeneities in
simulations-based conditional stochastic predictions of Tabriz Subway, East Azarbayjan Province, Iran. ZDGG
geologic heterogeneities and leakage potentials for (journal of applied and regional geology). band 170, heft
hypothetical CO2 sequestration sites. Environmental Earth 2, 145 – 159.
Sciences. 71, 2739–2752.
[4] Elfeki, A., and Dekking, M. (2005). subsurface
[18] Deng, Z., P., Jiang, S., H., Niu, J., T., Pan, M., heterogeneity by coupled Markov chains: Directional
and Liu, L., L. (2020). Stratigraphic uncertainty dependency, Walther’s law and entropy. Geotechnical and
characterization using generalized coupled Markov chain. Geological Engineering. 23, 721–756.
Bulletin of Engineering Geology and the Environment. 79,
[5] Carle, S. F., and Fogg, G. E. (1996). Transition
5061–5078.
probability-based indicator geostatistics. Mathematical
[19] JTSAHAND. (2010). Mineral resource Geology. 28(4), 453–476.
estimation for Areshtenab limestone. in Persian.
[6] Weissmann, G., S., Carle, S., F., and Fogg, G.,
[20] Rossi, M. E., and Deutsch, C., V. (2014). E. (1999). Three-dimensional hydrofacies modelling
Mineral Resource Estimation. Springer, 43. based on soil surveys and transition probability
geostatistics. Water resources research. 35(6), 1761-1770.
[21] Remy, N., Boucher, A., and Wu, J. (2009).
Applied Geostatistics with SGeMS, Cambridge University [7] Carle, S.F. (2000). Use of a Transition
Press: New York. 113. Probability/Markov Approach to Improve Geostatistical
simulation of Facies Architecture. Applied Reservoir
[22] Deutsch, C.V., and Journel, A.G. (1992). Characterization Using Geostatistics. The Woodlands,
GSLIB: Geostatistical Software Library and user’s guide. Texas.
Oxford Univ. Press, New York.p.151-152. Computers &
Geosciences.32, 1669–1681. [8] Li, W. (2006). Transiogram: a spatial
relationship measure for categorical data. International
[23] Deutsch, C., V. (2006). A sequential indicator Journal of Geographical Information Science. 20(6), 693-
simulation program for categorical variables with point 699.
and block data: BlockSIS. Computers & Geosciences. 32,
1669–1681. [9] Park, E., (2010). A multidimensional,
generalized coupled Markov chain model for surface and
[24] Li, W. (2007). Transiograms for Characterizing 614 subsurface characterization. Water Resources
Spatial Variability of Soil Classes. Soil Science Society of Research. 46(11).
America Journal. 71(3), 881-893.
[10] Park, E., Elfeki, A., M., Song,Y., and Kim, K.
[25] Leuangthong, O., McLennan, J., A., and (2007). Generalized Coupled Markov Chain model for
Deutsch, C., V. (2004). Minimum Acceptance Criteria for characterizing categorical variables in Soil mapping. Soil
593 Geostatistical Realizations. Natural Resources Science Society of America Journal. 71(3), 909-917.
Research. 13 (3), 131-141.
[11] Krumbein, W. C. (1967). Fortran computer
[26] Ranjineh Khojasteh, E. (2013). Geostatistical programs for Markov chain experiments in geology:
three-dimensional modelling of the subsurface 617 Computer Contribution 13, Kansas Geological Survey,
unconsolidated materials in the Göttingen area. PhD Lawrence, KS.
Thesis, Georg-August-University School of 618 Science
(GAUSS), Göttingen, 162.
49
نشریه روشهای تحلیلی و عددی در مهندسی معدن محمودی و همکاران
50