CC BY
16
Таким образом, разработанная задача автоматизированной трансформации графиков горных работ устраняет недостатки ручного способа, позволяет вести исследования и поиск рациональных вариантов и устраняет собой значительный пробел в ряду имеющегося программного обеспечения процесса проектирования карьеров. Кроме того, задача позволяет установить методом вариантов необходимые сроки строительства, освоения и ввода в эксплуатацию производственных мощнос-тей, а также обосновать срок существования карьера с учетом времени затухания горных работ.
В перспективе планируется интеграция данной задачи с имеющейся задачей экономической оценки инвестиций в горное производство, выполненной в этой же программной среде. Частью исходных данных для нее являются календарные графики ведения горных работ - результаты задачи автоматизированной трансформации графиков режима горных работ в календарные графики отработки карьера.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Арсентьев А.И. Определение главных параметров карьера. - М.: Недра. 1976.
2. Хохряков B.C. Проектирование карьеров. - М: Недра, 1987.
УДК 550.8.053.:519.2
Б.Б.Зобнин, Н.И.Эткина
КОМПЛЕКС ПРОЦЕДУР ПЕРВИЧНОЙ ОБРАБОТКИ ИНФОРМАЦИИ ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ ФИЗИЧЕСКИХ ПОЛЕЙ ПО ЭКСПЕРИМЕНТАЛЬНЫМ ДАННЫМ
Без формальных процедур обработки нельзя корректно подойти к построению эмпирических моделей физических полей. При построении моделей полей прямая задача может быть решена чисто аналитическим путем только тогда, когда заранее известны свойства среды. При решении обратных геофизических задач возникает потребность в комплексировании процедур, позволяющих построить модель поля по экспериментальным данным.
Решение геологоразведочных задач методами геофизики в общем случае включает в себя выделение геофизических аномалий, разделение их на перспективные и неперспективные и упорядочение по значимости. Под элементарной аномалией обычно понимают выброс, амплитуда и длительность которого превышают заранее заданные пороговые значения. Особый интерес представляет выделение слабых аномалий, не превышающих фон помех, поскольку выделение аномалий, амплитуда которых значительно превышает средний уровень помех, обычно не представляет трудностей.
Информационная ситуация, в которой должна быть решена задача выделения локальных аномалий, характеризуется следующими особенностями:
- наличием нерегулярной сети наблюдений;
- наличием априорной информации о виде функций распределения исследуемых параметров;
- значительным искажением результатов измерений погрешностями и случайными компонентами исследуемого сигнала;
- относительно короткими с точки зрения математической статистики реализациями экспериментальных данных;
- принятой моделью поля.
Предлагаемая блок-схема алгоритма, представленная на рис. ^предусматривает следующие операции:
- первичную обработку экспериментальных данных; •
- выбор процедуры выделения закономерных составляющих;
- выбор закона распределения экспериментальных данных на основании априорной информации;
- расчет нижнего предела, относительно которого выделяются слабые аномалии;
- сегментацию наблюдаемых признаков;
- выделение слабых аномалий, не превышающих фон помех по осреднекному сигналу;
- построение селектирующих имтульсов на аномальных участках;
- сглаживание в скользящем окне для исключения ложных аномалий;
- выбор степени аппроксимирующего полинома;
- восстановление непрерывной реализации по дискретной нерегулярной последовательности;
- идентификацию параметров полезной аномалии.
Проиллюстрируем основные этапы преобразования исходного сигнала при использовании предлагаемой последовательности операций.
Первичная обработка гсолого-геофизической информации заключается в устранении пропусков, редактировании недостоверных данных, координатной привязке файла данных.
На предварительной стадии методика обработки данных при конструировании вычислительной схемы алгоритма относится к области обнаружения детерминированной аномалии на фоне помех и предусматривает следующую последовательность операций [2] :
- исключение фона и приведете к нулевому среднему исходного сигнала;
- оценку автокорреляционной функции помехи;
- выбор формы аномалии, подлежащей выделению с учетом априорной информации.
Использосшсие априорной информации об аномалии и помехах дает возможность более эффективно использовать алгоритм обработки для их разделения. Поэтому лучше оценить по возможности заранее, в какой мере размер и форма аномалии различимы от аномалий, обусловленных обычными фоновыми вариациями различных параметров.
На рис. 2 показан вид исходного сигнала, представляющего собой суперпозицию двух гаус-сианов, искаженных помехой с нормальным распределением и нулевым средним. Пиковое соотношение между сигналом и помехой равно единице. Расстоя1{ие между центрами аномалий равно четырем полуширинам. На профиле расположены две аномалии, объем выборки - 100 точек. Для первого гауссиана амплитуда, ширина и центр положения следующие: 7, 10, 30, для второго - соответственно 7, 10, 70.
На стадии предварительной обработки проводится осреднение в скользящем окне и определение аномальных участков. Нижний аномальный предел определяется равным величине стандарта в соответствии с выбранным законом распределе»гия. Селектирующие импульсы, выделяющие компактные множества точек на профиле наблюдения для нахождения аномальных участков, определяются по разности между результатом осреднения сигнала в скользящем окне и стандартом согласно выражению
I 1 при (XS - ST)>0, (1)
U=sign(XSt - ST)= I
I 0 в остальных случаях,
Рис.1. Блок-схема алгоритма выделения слабых акомалий
где 1 - номер скользящего окна; ХБ] - результат осреднения в скользящем окне; БТ - стандарт
Широтная селекция, обеспечивающая у стран е- 1 ние высокочастотных выбросов, производилась путем сглаживания селектирующих импульсов в скользящем окне. Ширина окна выбиралась в соответствии с проведенным выше предварительным сглаживанием исходного сигнала. При наличии более четырех нулевых точек в скользящем окне селектирующий импульс приравнивался к нулю.
После проведения амплитудно-широтной селекции осуществлялась полиномиальная аппроксимация сигнала на аномальных участках, степень аппроксимирующего полинома выбиралась равной I трем, исходя из специфики форм гравиметрических I и магнитных аномалий [4].
Для обеспечения выделения аномалий при значительном пиковом соотношении сигнала и помехи (более 100% от максимальной амплитуды) • методе предусмотрено выделение полезного сигнала на .увеличенном интервале, равном по величине удвоенной ширине аномального участка. За центр интервала принимается точка максимума на аппроксимирующей кривой.
При невозможности установления порогового значения для выделения слабых аномалий необходимо произвести сегментацию сигнала с использованием критериев ЭЭ и Хоттелинга [1].
Выделенные слабые аномалии позволяют приступить к построению геофизического разреза и интерпретации получе»шых результатов.
Предложенный алгоритм и параметры процедур, позволяющих идентифицировать аномалии, исследованы путем математического моделирования.
Задачи математического моделирования заключаются:
- в выборе процедуры выделения закономерной составляющей сигнала и определении ее параметров;
- исследовании факторов, влияющих на разрешающую способность алгоритма обнаружения и на вероятности пропуска и ложного обнаружения аномалий.
Методика вычислительного эксперимента заключалась в следующем:
- оценивались различные процедуры сглаживания;
-варьировалось расстояние между центрами моделируемых аномалий, измеренное в стандартах;
варьировалось пиковое соотношение сигнала и помехи от 100% к максилгальной амплитуде до порогового значения алгоритма;
- варьировалась величина скользящего окна;
- производилось оценивание алгоритма обнаружения путем вычисления апостериорных вероятностей выделения слабых аномалий;
-для оценивания разрешающей способности алгоритма изучалось влияние формы аномалии на погрешность обнаружения;
- производилось сравнение эффективности восстановления полезного сигнала с существующими методами.
Математическое моделирование разработанных процедур позволило установить следующее:
- для выделения закономерной составляющей наблюдаемого сигнала рационально использовать его осреднение в скользящем окне, при выборе величины которого рассматриваются две
Рис.2. Модель распределения удельного электрического сопротивления з разрезе скважин:
1 - скважины; 2 - значения параметра; 3 -выделенные полезные аномалии; 4 - границы блоков
оггуации: а) априорная информация существует, и известно расстояние между аномалиями, б априорная информация отсутствует. В первом случае, когда можно говорить лишь о приближенном расстоянии между аномалиями, удается выбрать оптимальную ширину окна, во втором -оптимальную в среднем ширину окна;
- порог выделения слабых аномалий должен соответствовать уровню погрешностей наблюдаемых сигналов.
При оценивании эффективности предложенного комплекса процедур по выделению слабых геофизических аномалий по результатам проведенного вычислительного эксперимента установлено :
1. При решении задачи разделения аномалий удается разделить слабые геофизические аномалии на расстоянии между их центрами до трех полуширин при отношении помехи к сигналу до 100% от максимальной амплитуды сигнала.
2. Выделяются слабые аномалии при отношении помехи к сигналу до 100% от максимальной амплитуды сигнала.
3. При правильном выборе величины скользящего окна и при средних уровнях шумов достигаются следующие диапазоны изменения погрешностей восстановления характерных параметров на исходном и увеличенном интервале:
- по амплитуде, в процентах к первоначальному значению - 0-17%;
- по точке максимального градиента, в процентах к полуширине - 0-30%;
- по местоположению аномалии, в процентах к полуширине 0-10%.
Относительные погрешности восстановления полезного сигнала по отношению к амплитуде при этом не превышают 0,2.
4. Оценивание апостериорных вероятностей выделения слабых аномалий на профиле наблюдения и разрешающей способности метода показывают, что при изменении формы детерминированных аномалий и увеличении пикового соотношения сигнала и помехи по 190% вероятности обнаружения слабых аномалий принимают значения, близкие к единице, что указывает на высокую разрешающую способность метода.
5. Тестирование корректности процедуры обработки показало, что на сгенерированных случайных последовательностях выделения аномалий не происходит.
Поскольку процедура выделения аномалий аккумулирует в себе знания, накопленные в данной предметной области, то использование такого инструмента делает более объективным процесс интерпретации и повышает надежность извлечения информации из геофизических данных.
Апробация метода проведена при построении модели распределения физических свойств в плоскости геологического разреза по изучаемым пархметрам в соответствии с предложенным методом выделения слабых геофизических аномалий. Обрабатывались результаты геофизических измерений (по Г.П.Саковцеву) участка 311, скважины 536, 376, 506, 508 по удельному электрическому сопротивлению и магнитной восприимчивости при принятии гипотезы о логнормальном распределении. В процессе работы определялись логарифмическое среднее в скользящем окне и логарифмический стандарт. По каждой скважине проведено выделение полезных аномалий, построены геофизические разрезы по изучаемым свойствам, что является основой для проведения комплексирования геолого-геофизической информации. По результатам интерпретации построены модели распределения изучаемых физических свойств в геофизическом разрезе (см. рис.2). Разработанная на основе метода обнаружения слабых геофизических аномалий методика позволяет рассматривать два типа моделей распределения физических свойств в плоскости разреза [3]:
- модель с непрерывным изменением значений физических параметров, в которой отсутствуют границы между горными породами, характеризующимися разными значениями физических свойств;
- модель с дискретным распределением физических параметров при наличии четких границ между блоками горных пород, в пределах которых физические свойства сохраняют постоянные значения.
Предлагаемый подход позволяет детерминированно определять параметры модели. Так, если рассматривается дискретная модель с четкими границами, то аналитически определяются точки контакта. Для непрерывной модели возможно аналитически задать закон изменения
изучаемого параметра по трассе наблюдения.
Достоверность полученных результатов подтверждается удовлетворительной сходим результатов физической интерпретации данных петрофизических исследований с физико-гической моделью месторождения.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Дэвис Дж.С. Статистический анализ данных в геологии. - М: Недра, 1990. - 457 с.
2. Никитин А.А. Статистические методы выделения геофизических аномалий. - М.: Недра, 1979. 230 с.
3. Эпсина Н.И. Алгоритм выделения локальных аномалий при обработке геофизичсс информации //Известия Уральского горного института. Серия: Горное дело. - Екатеринбург, 1993. - Вып. 5-- С122-126.
УДК 622.683:656.21:624.19
Ю.В.Стенин, А.И.Стариков
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ РАБОТЫ ЭКСКЛВАТОРНО-АВТОМОБИЛЬНЫХ КОМПЛЕКСОВ КАРЬЕРОВ
В управлении погрузочно-транспортным процессом в карьере существенную роль игр планирование. Применение в п\анировании традиционных методов, использующих для описа! работы погрузочно-транспортных комплексов детерминированные или регрессиоюше модели, позволяет достаточно точно и полно учесть все многообразие факторов, определяющих результативность их эксплуатации. Поэтому фактические и планируемые показатели, как прав различаются до 20-25%. а в отдельных случаях до 50% и более. На сегодняшний день в услов широкого внедрения на карьерах современных средств вычислительной техники эффективн альтернативой традиционным методам является имитационное моделирование, позволяю " учесть вероятностный характер процесса, расширить спектр учитываемых факторов, повыс точность планирования, а следовательно, эффективность управления и экономичность эксплуатации экскаваторного и транспортного оборудования.
Использование этого метода для гхланиро-| вами я работы экскаватэрно-автомобильных комплексов предполагает наличие достаточно адекватной имитационной модели погрузочно-тран-спортного процесса. Для разработки такой модели экспериментальными исследованиями установлены вероятностные закономерности распределений продолжительности операций пог-рузочно-транспортного процесса и внутрисмен-ных отказов, а также и закономерности изменений параметров распределений от горно-технических условий.
На основе этих результатов и анализа функционирования экскаваторно-автомобильных комплексов в реальных условиях карьеров разработана имитационная модель в виде сложной замкнутой системы массового обслуживания с ненадежными элементами. Основными функциональными звеньями этой системы являются (см. рисунок): пункт разгрузки, трасса движения порожнего автосамосвала, пункт погрузки (экска
Г TfjifUyb—Т
I е |
H-i
/ГрмглГ /kxyyjxo
fpetrT ЯЗгжял&ж
4.1,.'А.
Схема замкнутой сложной системы массового обслуживания "экскаватор)ю-автомобиль-
ныи комплекс
