Комплекс

Функциональный блок "КОМПЛЕКС" объединяет процедуры, ориентированные на обработку многопризнаковой геолого-геофизической информации, методами классификации, распознавания образов и компонентного анализа. Для программ этой группы в качестве входной информации могут быть использованы значения различных геолого-геофизических признаков и их производных, полученных с помощью модулей технологии "КОСКАД 3D".

Большинство алгоритмов, входящих в состав блока, базируется на проверке многомерных статистических гипотез, что позволяет наиболее полно использовать информацию о структуре межпризнаковой связи между различными геофизическими полями. Процедуры этого блока, направлены на эффективное решение следующего круга задач:

Классификационные алгоритмы, входящие в состав блока, построены на принципах самообучения, учета корреляционных связей всего признакового пространства и возможности корректной работы в условиях отсутствия априорной информации положении начальных центров классов и конечном числе однородных областей.

Для алгоритмов распознавания исходной информацией является лишь форма аномалии, а в ряде случаев, когда эталоном является фрагмент исследуемой площади, лишь контур многопризнаковой аномалии. При этом оценка параметров многомерной помехи и ее влияние исключается непосредственно в процессе распознавания. Параметрами, характеризующими эталонный объект для алгоритмов распознавания, являются двумерные поверхности, заданные в дискретных точках наблюдений прямоугольной сети. Каждая поверхность отражает форму проявления конкретного физического поля над эталонным объектом. Признаками в общем случае могут быть значения различных геофизических полей, их производных, наблюдения поля на различных уровнях, оцифрованная геологическая, петрофизическая и геохимическая информация.

В данный раздел включены различные классификационные алгоритмы, позволяющие разбивать исследуемые территории на области, однородные по нескольким признакам.

В результате работы программ данного раздела формируется сеть, в которой содержатся результаты классификации - каждая точка сети характеризуется номером класса, к которому она принадлежит.

Кроме этого доступна информация о средних значениях, ср.кв. отклонении и стандарте отдельных признаков в каждом из классов, корреляционной матрицы между признаками в каждом классе и качестве классификации.

Программы эффективны при решении задач геологического картирования и районирования по комплексу параметров.

Эта программа предназначена для классификации многопризнаковых данных методом общего расстояния, который предназначен для разбиения исследуемой территории на области, однородные по комплексу признаков. Конечное число классов (однородных областей) выбирается автоматически.

Эта программа предназначена для классификации многопризнаковых данных методом динамических сгущений, который предназначен для разбиения исследуемой территории на области, однородные по комплексу признаков. Информация о конечном числе классов (однородных областей) задается пользователем. В алгоритме используется итерационная эмпирическая процедура, с гарантированной сходимостью за определенное число итераций.

В программе реализован алгоритм разделения многомерных нормальных смесей, который предназначен для разбиения территории на области однородные по комплексу признаков, с автоматическим определением конечного числа классов (возможен режим задания конечного числа классов пользователем). Алгоритм базируется на достижениях теории многомерного дисперсионного анализа.

Программа эффективна при решении задач геологического картирования и районирования.

В программе реализован алгоритм, позволяющий разбить обрабатываемую сеть на области, имеющие одинаковые знаки поля по комплексу признаков. Например, если обрабатываются два признака, то после работы программы будут выделены области, где оба признака положительны (++), первый - положителен второй отрицателен (+ -), первый - отрицателен второй положителен (+ -), и, наконец, оба признака отрицательны (- -) (естественно, что все анализируемые признаки предварительно центрируются). Если число анализируемых признаков равно n, то число областей определяется выражением 2ⁿ.

Несмотря на простоту применяемого алгоритма, эффективность его применения в задачах геологического районирования и интерпретации комплексных наблюдений очевидна. Подобное разбиение, при больших объемах информации и числе анализируемых признаков, практически невозможно провести без использования компьютера.

Ниже приводится пример работы классификационных алгоритмов по данным гравимагнитометрии.

Программный продукт для проведения классификаций в интерактивном режиме, позволяющий:

Интерактивная классификация позволяет:

Эта программа предназначена для распознавания многопризнаковых геофизических аномалий.

Для реализации алгоритма необходима информация об эталонной аномалии, которая может находиться в исходной или в любой другой сети. За эталонную аномалию чаще всего принимается прямоугольный фрагмент любой сети из базы данных комплекса, включая исходную. Например, прямоугольный фрагмент поля вокруг рудной скважины.

Алгоритм базируется на расчете статистики следа ковариационной матрицы в скользящем окне размеров при различных его наклонах. Вычисление статистики при различных наклонах окна позволяет локализовать участки, где поля "похожи" на эталонные, но их ориентация отличается от эталонной.

Алгоритм эффективен при решении задач прогнозирования, геологического картирования и районирования.

Программа предназначена для проведения классического компонентного анализа многопризнаковой геоинформации, посредством вычисления ковариационной матрицы, поиска собственных значений и собственных векторов этой матрицы, и дальнейшей свертки многопризнаковой информации по собственным векторам.

Количество признаков в результирующей сети совпадает с числом анализируемых признаков. Первый признак (с наибольшей дисперсией) представляет собой свертку анализируемых признаков с собственным вектором ковариационной матрицы, соответствующим максимальному собственному значению, второй признак (с меньшей по отношению к первому признаку дисперсией) - с собственным вектором, соответствующим следующему по величине собственному значению, и т.д.