Градиентные характеристики геополей

Известно, что для детализации особенностей поведения любой математической функции (определения точек перегиба, экстремальных значений и т.д.) в математике используются ее производные первого и высших порядков. В случае функции двух переменных вычисляются ее производные по направлению или градиенты. Очевидно, что знание статистических оценок градиентов геофизических полей также позволит исследователю детализировать особенности поля и подчеркнуть границы аномальных объектов. Вычисление оценок градиентных характеристик в окрестностях каждой точки исходной сети наблюдения позволяет получить поля градиентов исходного поля.

При анализе градиентных характеристик площадных геолого-геофизических наблюдений обычно вычисляется градиент поля вдоль простирания профилей , вкрест простирания профилей , полный градиент и его направление .

Так как геофизические поля не являются непрерывными функциями, то использование стандартных математических приемов для оценки их производных невозможно. Для оценки градиентных характеристик геополей существуют несколько вычислительных алгоритмов. Как показывает практика их использования, наиболее эффективные оценки градиентов получаются при использовании алгоритма, заключающегося в расчете, по методу наименьших квадратов[1], аппроксимирующего полинома первой степени по трем точкам поля - анализируемой и двумя соседними с ней (соответственно по пикетам для градиента вдоль профилей и профилям для градиента вкрест простирания профилей).

В случае трехмерных наблюдений, кроме градиентов и можно оценить градиент по оси z (высоте или глубине) . В этом случае формула для расчета полного градиента примет вид: . Направления полного градиента в пространстве для трехмерного случая определяется двумя углами. Первый в плоскости пикетов и профилей и второй, между полным градиентов в плоскости пикетов и профиле и градиентом вдоль оси z: .

Анализ результатов обработки большого количества реальных геолого-геофизических наблюдений позволяет сделать следующие выводы, которые необходимо учитывать при интерпретации полей градиентных характеристик:

-границы аномальных объектов отмечаются экстремумами в полях градиентов вдоль осей и максимумами в поле полного градиента;

-экстремумами, в полях градиентных характеристик, отмечаются границы аномалий различных амплитуд, что позволяет при визуализации увидеть одновременно контуры аномалий различной амплитуды;

-градиентные характеристики вдоль определенного направления позволяют подчеркнуть границы аномалий, простирание которых перпендикулярно этому направлению;

-поле направления полного градиента позволяет оценить простирание аномалий в каждой точке исходной сети наблюдений, а контрастные переходы, от минимальных значений к максимальным значениям, контролируют положение осей аномалий;

Наряду с градиентными характеристиками, при обработке и интерпретации геофизических данных часто используется величина коэффициента анизотропии поля . Здесь G - значение полного (максимального) градиента поля в точке, G ₉₀- значение градиента поля в направлении, перпендикулярном направлению полного градиента G. На практике, для оценки анизотропных свойств поля, используется величина . Это связано с тем, что величина отношения часто принимает очень большие значения, при близких к нулю значениях знаменателя .

В процессе интерпретации необходимо учитывать, что большие значения анизотропии обычно позволяют трассировать границы аномалий, которые обычно соответствует областям нарушения стационарности поля. Минимумы коэффициента анизотропии практически трассируют экстремальные (минимальные или максимальные) значения поля, соответствующие положению осей аномалий.

ГЛАВА II. Корреляционно-регрессионный анализ и его применение.

Важной задачей обработки геофизических данных является изучение зависимостей между физическими свойствами и атрибутами. Например, между различными физическими свойствами горных пород, между показаниями различных методов, между разными статистическими атрибутами. Другой распространенной задачей обработки является сглаживание, интерполяция и аппроксимация исходных или преобразованных данных. Эти задачи решаются на основе корреляционно-регрессионного анализа.

Математической моделью корреляционно-регрессионного анализа служит система случайных величин

Дата добавления: 2015-06-26