АВТОМАТИЗАЦИЯ СБОРА, ОБРАБОТКИ И КЛАССИФИКАЦИИ ДАННЫХ В ПРОЦЕССЕ РАБОТЫ ГЕОЛОГИЧЕСКОЙ СЛУЖБЫ

В этой статье будут рассмотрены вопросы автоматизации сбора, обработки и классификации данных потокового типа применительно к выполнению геологических исследований разного плана и направленности.

При проведении геологических изысканий и в процессе геологического сопровождения горных работ на действующем предприятии применяется большое количество методов, образующих на выходе сплошные потоки данных – пространственные или временные ряды. К наиболее часто применяемым можно отнести: различные методы каротажа скважин колонкового и безкернового бурения; данные геофизического мониторинга за состоянием горного массива; результаты поточного опробования качества руды на конвейерной ленте и др. Обработка данных потокового типа требует значительного времени и повышенной концентрации внимания исполнителя.

Весь цикл обработки данных состоит из нескольких этапов:

  • получение (накопление, образование);
  • первичное преобразование для переноса из регистрирующего прибора;
  • перенос в программную оболочку ГИС;
  • структурирование и сохранение;
  • обработка и анализ.

Как правило, накопление (образование) потоковых данных выполняется с применением специализированного оборудования – каротажных зондов, различного типа датчиков. Часть устройств обладают собственными запоминающими устройствами, некоторые работают с подключением к ЭВМ посредством различных каналов связи.

Перенос данных непосредственно из оборудования в программную оболочку ГИС K-MINE может осуществляться несколькими путями. Первым является перевод данных из запоминающего устройства оборудования в ГИС посредством драйверов устройств и различного типа конвертеров. Второй путь состоит в переводе информации в один из распространенных форматов с последующим импортом данных в программную среду ГИС. Поскольку визуальное представление подавляющего большинства данных представляет собой двумерные массивы числовой информации, наиболее оптимальным решением во втором случае является применение формата CSV.

Однако, на самом деле, полученные данные имеют не только пространственно-временную привязку, но и большое количество классификационных реквизитов — номер пункта наблюдения, принадлежность к определенному типу пород, реквизиты исполнителей, тип использованного оборудования и т. д. Поэтому, несмотря на двумерное представление результатов измерений, сама структура данных является многомерным массивом. Оптимальными структурами для хранения такого типа данных являются реляционные базы данных. Особого внимания заслуживает случай разделения потока данных по разным уровням абстракции (разным рангам классификации): стратиграфическая привязка разных рангов, выделение подфаций в фациях метаморфизма, выделение минеральных парагенезисов в пределах петрографической разновидности и др. [1]. В этом случае мы имеем дело с разветвленной многомерной классификацией, которая в доступных человеческому восприятию образах может быть отображена лишь в виде набора двумерных таблиц и списков [2]. В качестве примера можно привести отображение базы данных в виде набора связанных таблиц (рис. 1). Поэтому применение методов многомерного учета и хранения информации становится все более насущной потребностью на пути автоматизации обработки информации.

Otobrazhenie-mnogomernykh-dannykh-v-vide-nabora-sviazannykh- tablitc

Рис. 1. Отображение многомерных данных в виде набора связанных таблиц

Перенос данных является трудоемкой операцией, однако с применением автоматизированных средств конвертации и различных модулей автозаполнения скорость обработки значительно повышается. Особо следует отметить низкую вероятность внесения механических ошибок в случае применения автозаполнения, однако необходимо анализировать исходные данные на наличие ошибочных значений, пропущенных и «нулевых» измерений и т. д. (рис. 2).

Vyborqa-ishodnykh-dannykh-s-bolshim-qolichestvom-pustykh-znachenii

Рис. 2. Выборка исходных данных с большим количеством пустых значений

Интерфейс ГИС позволяет автоматизировать множество процессов переноса сторонней информации с последующим структурированием. Главнейшим модулем для первичной обработки геологической информации является редактор баз данных. Возможности редактора позволяют: применение разнообразных настроек импорта данных, автоматическое создание записей в базе данных, анализ и структурирование первичной и хранимой в базе данных информации (рис. 3).

Модуль блочного моделирования также представляет широкие возможности импорта готовых блочных моделей, расчета качественно-количественных показателей, применение методов геостатистического анализа.

Import-dannykh-v-bazu-iz-CSV-faila

Рис. 3. Импорт данных в базу из CSV-файла

Учитывая уникальность получаемой информации (скважина после проведения каротажа будет уничтожена, поток руды на конвейере изменяется и т. д.), значительную стоимость измерений, а также относительную дешевизну хранения больших объемов данных, наиболее рациональным решением, по нашему мнению, является сохранение всей получаемой информации. Единственная сложность состоит в обосновании интервала фиксации данных при занесении результатов измерений в базу данных, т. е. в установлении максимальной разрешающей способности метода исследования. В случае разбития на интервалы (дискретизации) потока данных для вычисления оптимального значения длины интервала, несущей максимальную информационную нагрузку, необходимо применение теоремы Шеннона-Котельникова [3]. Однако применительно к потокам данных с многомерной структурой такие методы находятся только в стадии разработки.

Одной из наиболее важных особенностей ГИС K-MINE является возможность создания сложноструктурированных логических фильтров (пользовательских запросов), позволяющих выделение и последующую обработку данных разной ранговой принадлежности. Создание запросов возможно как для объектов графической среды ГИС (рис. 4), так и для записей базы данных геологической документации (рис. 5).

Учитывая применяемую в ГИС реляционную модель данных, возможно задание неограниченного числа комбинаций ранговых признаков и неограниченной глубины рекурсии (вложенности) логических операций. Следует отметить, что широко распространенный метод обработки информации посредством электронных таблиц приводит к снижению размерности многомерных данных до 2-х измерений (столбец и строка), что значительно снижает эффективность обработки данных [2].

Primenenie-redaqtora-filtra-dlia-sozdaniia-logichesqogo-zaprosa

Рис. 4. Применение редактора фильтра для создания логического запроса в графической среде ГИС

Primenenie-funqtcii-qasqadnyi-filtr

Рис. 5. Применение функции «каскадный фильтр» для создания логического запроса в редакторе базы данных ГИС

Таким образом, основной целью на пути автоматизации процесса сбора, обработки и классификации данных геологических исследований является применение реляционных моделей хранения информации с обработкой посредством логико-математических операций. Такой подход позволяет учитывать широкий диапазон признаков, создавать неограниченное подмножество «виртуальных признаков» (напр. мультипликативных коэффициентов) с последующим анализом и дополнением связанных данных.

Относительно повседневных задач геологической службы предприятия, возможности ГИС в импорте, хранении и обработке информации позволяют существенно ускорить выполнение основных и второстепенных задач. При выполнении задач планирования и проектирования возможно вынесение данных в графическое пространство ГИС с использованием сортировок по различным типам классификации (пространственное положение, принадлежность к определенному типу горных выработок и т. д.). При выполнении задач по расчету качественно-количественных показателей эксплуатационных единиц также возможно применение сортировок по разным компонентам сырья. Особо следует отметить возможность занесения нескольких типов информации в параметры блочной модели с использованием вектора свойств (рис. 6). Это позволяет использовать одну блочную модель в пространстве ГИС, что весьма актуально при расчете качественно-количественных показателей эксплуатационных единиц. Это весьма важное свойство моделирования, которое позволяет выполнять комплексные модели, несущие информацию одновременно по нескольким моделируемым признакам (содержание полезных и вредных компонентов, плотность, влажность и др.).

Primenenie-redaqtora-veqtora-svoistv-blochnoi-modeli

Рис. 6. Применение редактора вектора свойств блочной модели для учета содержаний полезного компонента

Некондиционные блоки
Сырье, пригодное к магнитной сепарации в высокоградиентном поле
Богатые руды с содержанием железа общего 46-56%
Богатые руды с содержанием железа общего более 56%

В задачах расчета потерь, разубоживания и учета погашенных запасов возможно использование как данных блочного моделирования, так и результатов проекционных построений (погоризонтные планы, разрезы и т. п.). В случае применения данных блочного моделирования существенно ускоряется процесс подсчета качественно-количественных показателей в выделенной области пространства. Однако наличие значительного количества графических функций в ядре ГИС позволяет также существенно ускорить выполнение задач и в случае применения «традиционных» проективных методов отображения геологических характеристик месторождения. Следует отметить, что при использовании блочных моделей всегда можно провести «снижение размерности» – построить разрезы через блочную модель. Это может быть использовано при построении качественных планов по кровле и подошве выемочного блока (рис. 7). Однако не всегда возможно выполнение обратной задачи – построение блочной модели по данным плоскостных проекций. Например, в случае отсутствия данных о пространственном положении скважин, отображенных на разрезах, выполнить их пространственную привязку для последующего вычисления показателей блочной модели не представляется возможным.

Организация системы импорта, хранения и обработки информации ГИС K-MINE позволяет достичь значительного повышения производительности при обработке данных геологических исследований. Опыт применения ГИС показал широкие возможности применения системы как для геологического сопровождения горных работ, так и для работ по геологическим исследованиям разного плана.

Kachestvennyi-pogorizontnyi-plan

Рис. 7. Качественный погоризонтный план, полученный путем построения разрезов по блочной модели

 

Литература:

1. Вотах О. А. Введение в геотектонику. – Новосибирск: Наука, 1985. – 182 с.

2. Новиков Б. А., Домбровская Г. Р. Настройка приложений баз данных. – СПб.: БХВ-Петербург, 2006. – 240 с.

3. Иванников А. Д., Кулагин В. П., Тихонов А. Н., Цветков В. Я. Геоинформатика. – М.: МАКС Пресс, 2001. – 349 с.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Можно использовать следующие HTML-теги и атрибуты: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>