CN110930504A - 一种多粒度矿体三维建模不确定性表达与传递方法 - Google Patents
一种多粒度矿体三维建模不确定性表达与传递方法 Download PDFInfo
- Publication number
- CN110930504A CN110930504A CN201911253301.4A CN201911253301A CN110930504A CN 110930504 A CN110930504 A CN 110930504A CN 201911253301 A CN201911253301 A CN 201911253301A CN 110930504 A CN110930504 A CN 110930504A
- Authority
- CN
- China
- Prior art keywords
- modeling
- uncertainty
- data
- ore body
- mine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Abstract
本发明提供了一种多粒度矿体三维建模不确定性表达与传递方法,该方法基于不确定性推理网络和地质统计学克里格算法及序惯高斯模拟算法,通过对建模过程中因误差产生的推理型不确定性和计算型不确定性的归纳、总结和算法解析,结合矿体三维模型建立过程中的误差分布与传递状况,建立了多粒度矿体三维属性模型的不确定性表达与传递模型框架,实现了对矿体三维模型不确定性的定量分析。本发明的有益效果是:本发明所提出的技术方案实现了对矿体三维模型不确定性的表达和传递过程的描述,对矿山企业利用三维模型进行设计、规划和生产提供了理论依据。
Description
技术领域
本发明涉及矿山三维地质建模技术领域,尤其涉及一种多粒度矿体三维建模不确定性表达与传递方法。
背景技术
矿体三维模型的建模过程受矿山结构的复杂性、地质工作者对矿体认知的不完备性及勘探数据的稀疏性等多方面影响,不确定性成为其固有属性并贯穿于矿体建模过程的始终。目前针对不确定性在三维矿体建模整个过程中的传播和定量描述仍然是尚未解决的难题,尤其是误差计算方法、修正机制及其实现技术等仍处于探索阶段。
发明内容
为了解决矿山三维模型不确定性表达及其传递过程研究的不足,本发明提出一种多粒度矿体三维建模不确定性表达与传递方法,对建模过程中分布的多源误差进行了归纳及分类,对建模过程中计算型误差的主要来源克里格估值和序惯高斯模拟计算等进行了算法解析,利用不确定性推理网络和C-F可信度模型实现了矿体三维模型不确定性表达及传递框架,为矿山企业在评估、规划及生产等方面提供了理论依据和决策支持能力。
一种多粒度矿体三维建模不确定性表达与传递方法,具体包括:
S101:获取多源矿山建模数据;
S102:对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;
S103:对矿山建模过程误差进行可信度赋值,形成结构建模过程不确定性集合,进而对所述结构建模过程不确定性集合内不确定性赋值进行合成计算,生成结构建模过程可信度SMP_CF;
S104:对所述建模数据可信度D_CF和所述建模过程数据可信度SMP_CF进行叠加计算,得到结构模型可信度SM_CF;
S105:根据矿体数据基础和矿体三维模型需求的不同,对建立三维属性模型按模拟建模和估值建模两种方式进行多粒度特征建模并根据建模过程分别计算不确定性,即克里格估值可信度KC_CF和模拟计算可信度SC_CF;
S106:将所述结构模型可信度SM_CF分别与所述克里格估值可信度KC_CF和所述模拟计算可信度SC_CF进行叠加计算,得到多粒度矿山三维属性模型可信度AM_CF。
进一步地,步骤S101中,所述多源矿山建模数据包括:钻孔位置坐标、钻孔深度、钻孔样品段起点坐标、终点坐标、钻孔样品长度和钻孔组合样长度;所述多源矿山建模数据根据钻孔、地质剖面地质资料整理获得。
进一步地,步骤S102中,所述多源矿山建模数据产生的误差包括矿山勘测过程中产生的误差;对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;具体包括:
S201:对不同类型数据的误差分别进行不确定性赋值;其中,对某一个类型的数据产生的误差进行不确定性赋值的方法为:将该类型的数据多次测量所得结果的平均值与被测量的真值之差进行比较并转换为该类型数据的可信度CF(Ei),计算公式如公式(1)所示:
上式中,Ei代表第i个类型的矿山建模数据;CF(Ei)代表该类型数据的可信度值,取值范围为[0,1];xj代表该类型数据的第j个测量值的真值;为第j个测量值的多次测量平均值;i=1,2,…,n,且不同的取值代表不同类型的矿山建模数据;
S202:将各类型数据的可信度值CF(Ei)组成的集合作为矿山多源数据不确定性集合;并对所述矿山多源数据不确定性集合内的所有可信度值进行合成计算,得到建模数据可信度D_CF;其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(2)所示:
D_CF(E)=min{CF(E1),CF(E2),.....CF(En)} (2)。
上式中,n为矿山建模数据的类型总数,D_CF(E)即为D_CF。
进一步地,步骤S103中,所述矿山建模过程包括:矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程;
对矿山建模过程误差进行可信度赋值包括对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程中产生的误差分别进行可信度赋值,进而将各建模过程对应的可信度值组成的集合作为结构建模过程不确定性集合;其中,根据专家经验及具体情况分别对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程中产生的误差分别进行可信度赋值;
对所述结构建模过程不确定性集合中的各可信度值进行合成计算,生成结构建模过程可信度SMP_CF;
其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(3)所示:
SMP_CF=min{CF(B1),CF(B2),…,CF(Bn)} (3)
上式中,Bi代表第i类建模过程数据;CF(Bi)代表第i类建模过程数据对应的可信度值;i=1,2,…,n,n为建模数据总的类型个数。
进一步地,步骤S104中,结构模型可信度SM_CF由建模数据可信度D_CF与结构建模过程可信度SMP_CF相乘得到,计算公式如公式(4)所示:
SM_CF=D_CF*SMP_CF (4)。
进一步地,步骤S105中,克里格估值可信度KC_CF的计算方法,包括以下步骤:
S301:利用步骤S101获取的多源建模数据作为建模样本,进行实验变差函数计算和理论模型函数拟合,以获得的变异函数理论模型为依据设置搜索邻域的方向和变程,并依据所述搜索邻域的方向和变程,确定包含在内的参与插值计算的矿体样本数目n和样本品位值;
S302:根据所述矿体样本数目n和样本品位值,对样本进行克里格插值计算,构建矿山三维属性模型,并得到克里格估计方差;
S303:根据矿山企业对矿体三维模型预定的精度可接受范围,得矿体三维模型的无偏误差区间为[(1-α)σ2,(1+α)σ2],其中,σ2为无偏差的母体方差,α为矿山规划与生产部门预先设定的误差调整系数;
S304:根据克里格估计方差和S301步骤中确定的参与插值计算的矿体样本数目n计算可靠性概率p,p值即为克里格估值可信度KC_CF;
克里格估值可信度KC_CF的详细计算步骤,包括:
1)设Xi为来自全部建模数据的钻孔样本子集,为样本均值,统计量χ2=X1 2+X2 2+…+Xn 2是自由度为n的χ2分布,记为x2~χ2(n),样本方差即克里格估计方差,对于克里格估计方差x2和母体方差σ2,根据预先定义可接受精度范围的母体方差σ2,误差区间[(1-α)σ2,(1+α)σ2];
2)根据如公式(5)所示的χ2(n)分布的概率密度函数:
计算获得克里格估计方差S2对母体误差的σ2的精度表达,如公式(6)所示:
(1-α)σ2≤S2≤(1+α)σ2 (6)
3)根据步骤2)的公式进行变换得到公式(1-α)(n-1)≤χ2≤(1+α)(n-1),进而得到如公式(7)所示的概率公式:
由上式可得到不同体品位样品数目n下克里格估计方差S2落在其母体误差区间σ2的概率p,将概率p表达为[0,1],即得到克里格估值可信度KC_CF。
进一步地,步骤S105中,模拟计算可信度SC_CF的计算方法,包括以下步骤:
S401:根据矿体当前的勘探阶段进行分类,依据类别的不同生成与真实矿体具备不同置信度h的多粒度矿体三维模型;其中,所述勘探阶段的类别包括勘查阶段、详查阶段和生产阶段;h取值按勘查阶段、详查阶段和生产阶段分别赋值为0.05、0.1和0.25;
S402:对矿体三维模型的多源矿体建模数据进行克里格估值计算,并依据上述S301~S304的克里格估值可信度的计算过程,计算得到克里格估值可信度KC_CF;
S403:将多粒度矿山三维模型预先划定的置信度h转换为多粒度约束可信度MGC_CF;转换公式如公式(8)所示:
MGC_CF=1-h (8)
S404:对KC_CF和MGC_CF进行叠加计算,生成模拟计算可信度SC_CF;叠加计算公式如公式(9)所示:
SC_CF=KC_CF*MGC_CF (9)。
进一步地,步骤S106中,多粒度矿山三维属性模型可信度AM_CF的叠加计算公式包括:
估值建模方式下的属性模型可信度计算公式如公式(10):
AM_CF=SM_CF*KC_CF (10)
模拟建模方式下的属性模型可信度计算公式如公式(11):
AM_CF=SM_CF*SC_CF (11)。
本发明提供的技术方案带来的有益效果是:本发明所提出的技术方案根据多粒度矿体三维模型构建过程中的误差分布情况,利用不确定性推理网络和可信度C-F模型,通过对克里格估值算法和序惯高斯模拟算法的深入解析,实现了对矿体三维模型不确定性的表达和传递过程的描述,对矿山企业利用三维模型进行设计、规划和生产提供了理论依据。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中一种多粒度矿体三维建模不确定性表达与传递方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种多粒度矿体三维建模不确定性表达与传递方法。
请参考图1,图1是本发明实施例中一种多粒度矿体三维建模不确定性表达与传递方法的流程图,具体包括如下步骤:
S101:获取多源矿山建模数据;
S102:对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;
S103:对矿山建模过程误差进行可信度赋值,形成结构建模过程不确定性集合,进而对所述结构建模过程不确定性集合内不确定性赋值进行合成计算,生成结构建模过程可信度SMP_CF;
S104:对所述建模数据可信度D_CF和所述建模过程数据可信度SMP_CF进行叠加计算,得到结构模型可信度SM_CF;
S105:根据矿体数据基础和矿体三维模型需求的不同,对建立三维属性模型按模拟建模和估值建模两种方式进行多粒度特征建模并根据建模过程分别计算不确定性,即克里格估值可信度KC_CF和模拟计算可信度SC_CF;
S106:将所述结构模型可信度SM_CF分别与所述克里格估值可信度KC_CF和所述模拟计算可信度SC_CF进行叠加计算,得到多粒度矿山三维属性模型可信度AM_CF。
步骤S101中,所述多源矿山建模数据包括:钻孔位置坐标、钻孔深度、钻孔样品段起点坐标、终点坐标、钻孔样品长度和钻孔组合样长度等类型的数据;所述多源矿山建模数据根据钻孔、地质剖面等地质资料整理获得。
步骤S102中,所述多源矿山建模数据产生的误差包括矿山勘测过程中产生的误差;对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;具体包括:
S201:对不同类型数据的误差分别进行不确定性赋值;其中,对某一个类型的数据产生的误差进行不确定性赋值的方法为:将该类型的数据多次测量所得结果的平均值与被测量的真值之差进行比较并转换为该类型数据的可信度CF(Ei),计算公式如公式(1)所示:
上式中,Ei代表第i个类型的矿山建模数据;CF(Ei)代表该类型数据的可信度值,取值范围为[0,1];xj代表该类型数据的第j个测量值的真值;为第j个测量值的多次测量平均值;i=1,2,…,n,且不同的取值代表不同类型的矿山建模数据;
S202:将各类型数据的可信度值CF(Ei)组成的集合作为矿山多源数据不确定性集合;并对所述矿山多源数据不确定性集合内的所有可信度值进行合成计算,得到建模数据可信度D_CF;其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(2)所示:
D_CF(E)=min{CF(E1),CF(E2),.....CF(En)} (2)。
上式中,n为矿山建模数据的类型总数,D_CF(E)即为D_CF。
步骤S103中,所述矿山建模过程包括:矿体圈定、剖面轮廓线提取和重构、剖面多边形对应、矿体剖分等建模过程;
对矿山建模过程误差进行可信度赋值包括对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分等建模过程中产生的误差分别进行可信度赋值,进而将各类建模过程对应的可信度值组成的集合作为结构建模过程不确定性集合;其中,根据专家经验及具体情况分别对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分等建模过程中产生的误差分别进行可信度赋值,取值范围为[0,1];
对所述结构建模过程不确定性集合中的各可信度值进行合成计算,生成结构建模过程可信度SMP_CF;
其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(3)所示:
SMP_CF=min{BF(B1),BF(B2),…,BF(Bn)} (3)
上式中,Bi代表第i类建模过程数据;BF(Bi)代表第i类建模过程数据对应的可信度值;i=1,2,…,n,n为建模数据总的类型个数。
在本发明实施例中,以构建矿体表面模型过程中的剖面轮廓线建立为例,当矿体形态简单、内部无夹石分支、轮廓线点列摆列规律且点数差别小时,解译结果具有较高的可信度,可赋值为0.8~0.9,对于断层、夹石和分枝等情况的存在的复杂的矿体,该类型矿体表面模型拟合度差,可赋予较低可信度,如0.2~0.3。
步骤S104中,结构模型可信度SM_CF由建模数据可信度D_CF与结构建模过程可信度SMP_CF相乘得到,计算公式如公式(4)所示:
SM_CF=D_CF*SMP_CF (4)。
步骤S105中,克里格估值可信度KC_CF的计算方法,包括以下步骤:
S301:利用步骤S101获取的多源建模数据作为建模样本,进行实验变差函数计算和理论模型函数拟合,以获得的变异函数理论模型为依据设置搜索邻域的方向和变程,并依据所述搜索邻域的方向和变程,确定包含在内的参与插值计算的矿体样本数目n和样本品位值;
S302:根据所述矿体样本数目n和样本品位值,对样本进行克里格插值计算,构建矿山三维属性模型,并得到克里格估计方差;
S303:根据矿山企业对矿体三维模型预定的精度可接受范围,得矿体三维模型的无偏误差区间为[(1-α)σ2,(1+α)σ2],其中,σ2为无偏差的母体方差,α为矿山规划与生产部门预先设定的误差调整系数;
S304:根据克里格估计方差和S301步骤中确定的参与插值计算的矿体样本数目n计算可靠性概率p,p值即为克里格估值可信度KC_CF;
克里格估值可信度KC_CF的详细计算步骤,包括:
1)设Xi为来自全部建模数据的钻孔样本子集,为样本均值,统计量χ2=X1 2+X2 2+…+Xn 2是自由度为n的χ2分布,记为χ2~χ2(n),样本方差即克里格估计方差,对于克里格估计方差S2和母体方差σ2,根据预先定义可接受精度范围的母体方差σ2,误差区间[(1-α)σ2,(1+α)σ2];
2)根据如公式(5)所示的χ2(n)分布的概率密度函数:
计算获得克里格估计方差S2对母体误差的σ2的精度表达,如公式(6)所示:
(1-α)σ2≤S2≤(1+α)σ2 (6)
3)根据步骤2)的公式进行变换得到公式(1-α)(n-1)≤χ2≤(1+α)(n-1),进而得到如公式(7)所示的概率公式:
由上式可得到不同体品位样品数目n下克里格估计方差S2落在其母体误差区间σ2的概率p,将概率p表达为[0,1],即得到克里格估值可信度KC_CF。
模拟计算可信度SC_CF的计算方法,包括以下步骤:
S401:根据矿体当前的勘探阶段进行分类,依据类别的不同生成与真实矿体具备不同置信度h的多粒度矿体三维模型;其中,所述勘探阶段的类别包括勘查阶段、详查阶段和生产阶段;h取值按勘查阶段、详查阶段和生产阶段分别赋值为0.05、0.1和0.25;
S402:对矿体三维模型的多源矿体建模数据进行克里格估值计算,并依据上述S301~S304的克里格估值可信度的计算过程,计算得到克里格估值可信度KC_CF;
S403:将多粒度矿山三维模型预先划定的置信度h转换为多粒度约束可信度MGC_CF;转换公式如公式(8)所示:
MGC_CF=1-h (8)
S404:对KC_CF和MGC_CF进行叠加计算,生成模拟计算可信度SC_CF;叠加计算公式如公式(9)所示:
SC_CF=KC_CF*MGC_CF (9)。
步骤S106中,多粒度矿山三维属性模型可信度AM_CF的叠加计算公式包括:
估值建模方式下的属性模型可信度计算公式如公式(10):
AM_CF=SM_CF*KC_CF (10)
模拟建模方式下的属性模型可信度计算公式如公式(11):
AM_CF=SM_CF*SC_CF (11)。
本发明的有益效果是:本发明所提出的技术方案根据多粒度矿体三维模型构建过程中的误差分布情况,利用不确定性推理网络和可信度C-F模型,通过对克里格估值算法和序惯高斯模拟算法的深入解析,实现了对矿体三维模型不确定性的表达和传递过程的描述,对矿山企业利用三维模型进行设计、规划和生产提供了理论依据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:包括以下步骤:
S101:获取多源矿山建模数据;
S102:对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;
S103:对矿山建模过程误差进行可信度赋值,形成结构建模过程不确定性集合,进而对所述结构建模过程不确定性集合内不确定性赋值进行合成计算,生成结构建模过程可信度SMP_CF;
S104:对所述建模数据可信度D_CF和所述建模过程数据可信度SMP_CF进行叠加计算,得到结构模型可信度SM_CF;
S105:根据矿体数据基础和矿体三维模型需求的不同,对建立三维属性模型按模拟建模和估值建模两种方式进行多粒度特征建模并根据建模过程分别计算不确定性,即克里格估值可信度KC_CF和模拟计算可信度SC_CF;
S106:将所述结构模型可信度SM_CF分别与所述克里格估值可信度KC_CF和所述模拟计算可信度SC_CF进行叠加计算,得到多粒度矿山三维属性模型可信度AM_CF。
2.如权利要求1所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S101中,所述多源矿山建模数据包括:钻孔位置坐标、钻孔深度、钻孔样品段起点坐标、终点坐标、钻孔样品长度和钻孔组合样长度;所述多源矿山建模数据根据钻孔、地质剖面地质资料整理获得。
3.如权利要求1所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S102中,所述多源矿山建模数据产生的误差包括矿山勘测过程中产生的误差;对所述多源矿山建模数据产生的误差进行不确定性赋值,形成矿山多源数据不确定性集合,进而对所述矿山多源数据不确定性集合内的不确定性赋值进行合成计算,生成建模数据可信度D_CF;具体包括:
S201:对不同类型数据的误差分别进行不确定性赋值;其中,对某一个类型的数据产生的误差进行不确定性赋值的方法为:将该类型的数据多次测量所得结果的平均值与被测量的真值之差进行比较并转换为该类型数据的可信度CF(Ei),计算公式如公式(1)所示:
上式中,Ei代表第i个类型的矿山建模数据;CF(Ei)代表该类型数据的可信度值,取值范围为[0,1];xj代表该类型数据的第j个测量值的真值;为第j个测量值的多次测量平均值;i=1,2,…,n,且不同的取值代表不同类型的矿山建模数据;
S202:将各类型数据的可信度值CF(Ei)组成的集合作为矿山多源数据不确定性集合;并对所述矿山多源数据不确定性集合内的所有可信度值进行合成计算,得到建模数据可信度D_CF;其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(2)所示:
D_CF(E)=min{CF(E1),CF(E2),.....CF(En)} (2)。
上式中,n为矿山建模数据的类型总数,D_CF(E)即为D_CF。
4.如权利要求3所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S103中,所述矿山建模过程包括:矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程;
对矿山建模过程误差进行可信度赋值包括对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程中产生的误差分别进行可信度赋值,进而将各建模过程对应的可信度值组成的集合作为结构建模过程不确定性集合;其中,根据专家经验及具体情况分别对矿体圈定、剖面轮廓线提取和重构、剖面多边形对应以及矿体剖分建模过程中产生的误差分别进行可信度赋值;
对所述结构建模过程不确定性集合中的各可信度值进行合成计算,生成结构建模过程可信度SMP_CF;
其中,以单一可信度值的最小值为合成计算结果,计算公式如公式(3)所示:
SMP_CF=min{CF(B1),CF(B2),…,CF(Bn)} (3)
上式中,Bi代表第i类建模过程数据;CF(Bi)代表第i类建模过程数据对应的可信度值;i=1,2,…,n,n为建模数据总的类型个数。
5.如权利要求4所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S104中,结构模型可信度SM_CF由建模数据可信度D_CF与结构建模过程可信度SMP_CF相乘得到,计算公式如公式(4)所示:
SM_CF=D_CF*SMP_CF (4)。
6.如权利要求1所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S105中,克里格估值可信度KC_CF的计算方法,包括以下步骤:
S301:利用步骤S101获取的多源建模数据作为建模样本,进行实验变差函数计算和理论模型函数拟合,以获得的变异函数理论模型为依据设置搜索邻域的方向和变程,并依据所述搜索邻域的方向和变程,确定包含在内的参与插值计算的矿体样本数目n和样本品位值;
S302:根据所述矿体样本数目n和样本品位值,对样本进行克里格插值计算,构建矿山三维属性模型,并得到克里格估计方差;
S303:根据矿山企业对矿体三维模型预定的精度可接受范围,得到矿体三维模型的无偏误差区间为[(1-α)σ2,(1+α)σ2],其中,σ2为无偏差母体方差,α为矿山规划与生产部门预先设定的误差调整系数;
S304:根据克里格估计方差和S301步骤中确定的参与插值计算的矿体样本数目n计算可靠性概率p,p值即为克里格估值可信度KC_CF;
克里格估值可信度KC_CF的详细计算步骤,包括:
1)设Xi为来自全部建模数据的钻孔样本子集,为样本均值,统计量χ2=X1 2+X2 2+…+Xn 2是自由度为n的χ2分布,记为χ2~χ2(n),样本方差即克里格估计方差,对于克里格估计方差S2和母体方差σ2,根据预先定义可接受精度范围的母体方差σ2,误差区间[(1-α)σ2,(1+α)σ2];
2)根据如公式(5)所示的χ2(n)分布的概率密度函数:
计算获得克里格估计方差S2对母体误差的σ2的精度表达,如公式(6)所示:
(1-α)σ2≤S2≤(1+α)σ2 (6)
3)根据步骤2)的公式进行变换得到公式(1-α)(n-1)≤χ2≤(1+α)(n-1),进而得到如公式(7)所示的概率公式:
由上式可得到不同体品位样品数目n下克里格估计方差S2落在其母体误差区间σ2的概率p,将概率p表达为[0,1],即得到克里格估值可信度KC_CF。
7.如权利要求6所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S105中,模拟计算可信度SC_CF的计算方法,包括以下步骤:
S401:根据矿体当前的勘探阶段进行分类,依据类别的不同生成与真实矿体具备不同置信度h的多粒度矿体三维模型;其中,所述勘探阶段的类别包括勘查阶段、详查阶段和生产阶段;h取值按勘查阶段、详查阶段和生产阶段分别赋值为0.05、0.1和0.25;
S402:对矿体三维模型的多源矿体建模数据进行克里格估值计算,并依据上述S301~S304的克里格估值可信度的计算过程,计算得到克里格估值可信度KC_CF;
S403:将多粒度矿山三维模型预先划定的置信度h转换为多粒度约束可信度MGC_CF;转换公式如公式(8)所示:
MGC_CF=1-h (8)
S404:对KC_CF和MGC_CF进行叠加计算,生成模拟计算可信度SC_CF;叠加计算公式如公式(9)所示:
SC_CF=KC_CF*MGC_CF (9)。
8.如权利要求7所述的一种多粒度矿体三维建模不确定性表达与传递方法,其特征在于:步骤S106中,多粒度矿山三维属性模型可信度AM_CF的叠加计算公式包括:
估值建模方式下的属性模型可信度计算公式如公式(10):
AM_CF=SM_CF*KC_CF (10)
模拟建模方式下的属性模型可信度计算公式如公式(11):
AM_CF=SM_CF*SC_CF (11)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253301.4A CN110930504B (zh) | 2019-12-09 | 一种多粒度矿体三维建模不确定性表达与传递方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253301.4A CN110930504B (zh) | 2019-12-09 | 一种多粒度矿体三维建模不确定性表达与传递方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930504A true CN110930504A (zh) | 2020-03-27 |
CN110930504B CN110930504B (zh) | 2023-09-22 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020103793A1 (en) * | 2000-08-02 | 2002-08-01 | Daphne Koller | Method and apparatus for learning probabilistic relational models having attribute and link uncertainty and for performing selectivity estimation using probabilistic relational models |
CN101521672A (zh) * | 2009-04-03 | 2009-09-02 | 中国科学院计算技术研究所 | 一种网络蠕虫检测方法及检测系统 |
US20110004582A1 (en) * | 2009-07-03 | 2011-01-06 | Nankai University | Method of constructing the intelligent computer systems based on information reasoning |
CN104200529A (zh) * | 2014-08-12 | 2014-12-10 | 电子科技大学 | 基于不确定性的三维目标体表面重构方法 |
CN107403464A (zh) * | 2017-06-26 | 2017-11-28 | 中国科学院广州地球化学研究所 | 一种三维矿山建模系统及方法 |
CN107610021A (zh) * | 2017-07-21 | 2018-01-19 | 华中农业大学 | 环境变量时空分布的综合分析方法 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020103793A1 (en) * | 2000-08-02 | 2002-08-01 | Daphne Koller | Method and apparatus for learning probabilistic relational models having attribute and link uncertainty and for performing selectivity estimation using probabilistic relational models |
CN101521672A (zh) * | 2009-04-03 | 2009-09-02 | 中国科学院计算技术研究所 | 一种网络蠕虫检测方法及检测系统 |
US20110004582A1 (en) * | 2009-07-03 | 2011-01-06 | Nankai University | Method of constructing the intelligent computer systems based on information reasoning |
CN104200529A (zh) * | 2014-08-12 | 2014-12-10 | 电子科技大学 | 基于不确定性的三维目标体表面重构方法 |
CN107403464A (zh) * | 2017-06-26 | 2017-11-28 | 中国科学院广州地球化学研究所 | 一种三维矿山建模系统及方法 |
CN107610021A (zh) * | 2017-07-21 | 2018-01-19 | 华中农业大学 | 环境变量时空分布的综合分析方法 |
Non-Patent Citations (2)
Title |
---|
J. FLORIAN WELLMANN等: "Uncertainties have a meaning: Information entropy as a quality measure for 3-D geological models" * |
刘光伟;宋佳琛;白润才;李鹏;: "基于C-F方法三维地质模型精度评价研究" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109388817B (zh) | 一种储层裂缝三维建模方法 | |
WO2017007924A1 (en) | Improved geobody continuity in geological models based on multiple point statistics | |
KR101625660B1 (ko) | 지구통계기법에서의 관측자료를 이용한 2차자료 생성 방법 | |
Zhou et al. | Stochastic modelling of coalbed methane resources: A case study in Southeast Qinshui Basin, China | |
CN109143337B (zh) | 一种浊积砂体储层建模方法 | |
CN110097637A (zh) | 一种三维地质属性模型时空插值方法及系统 | |
CN112652066B (zh) | 一种基于三维地质模型的地质表征情况的评价方法及系统 | |
CN116665067B (zh) | 基于图神经网络的找矿靶区优选系统及其方法 | |
Behzadi et al. | Introducing a novel digital elevation model using artificial neural network algorithm | |
CN113552621A (zh) | 页岩气地应力确定方法和装置 | |
CN115220101A (zh) | 一种深层碎屑岩砂体沉积结构的建模方法 | |
CN111160668B (zh) | 一种煤层地理信息系统精度提升方法 | |
CN110930504A (zh) | 一种多粒度矿体三维建模不确定性表达与传递方法 | |
Evans Annan et al. | Mapping of porosity, permeability and thickness distribution: application of geostatistical modeling for the jubilee oilfield in Ghana | |
Han et al. | Deep learning–based stochastic modelling and uncertainty analysis of fault networks | |
CN110930504B (zh) | 一种多粒度矿体三维建模不确定性表达与传递方法 | |
CN115437008A (zh) | 一种基于地质统计学的瑞雷波频散曲线反演方法及系统 | |
CN109269480B (zh) | 基于最优多水深假设抗差曲面的多波束测深数据处理方法 | |
Song et al. | Multi-point geostatistics for ore grade estimation | |
Frimpong et al. | Conditional LAS stochastic simulation of regionalized variables in random fields | |
CN108132486A (zh) | 一种重磁梯度与地震数据联合界面反演的优化模拟退火法 | |
CN114218852B (zh) | 基于扰动校正的神经网络深度预测方法 | |
CN111815769A (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
CN113033908B (zh) | 一种用于海底资源探测站位优化方法 | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |