Стартовые параметры  программы

Исходная сеть     -анализируемая, с целью обнаружения аномалии, сеть   

Вторая исходная сеть -сеть, содержащая аномальный фрагмент (может совпадать с первой исходной сетью).      

Левый пикет аномалии -левая граница аномалии по пикетам.        

Правый пикет аномалии -правая граница аномалии по пикетам.         

Верхний профиль (слой) аномалии -верхняя граница аномалии по профилям (слоям).    

Нижний профиль (слой) аномалии -нижняя граница аномалии по профилям (слоям).    

Количество признаков аномалии -количество признаков многопризнаковой аномалии (конкретно номера признаков запрашиваются в последующем диалоге).   

Результирующая сеть -сеть, содержащая результаты обнаружения эталонной аномалии.

Режим работы -данные в окне могут быть центрированы в окне.  

Режим обработки -предусматривается послойная обработка и обработка в плоскости разрезов исходной сети.   

В программе для каждой точки поля вычисляется статистика следа ковариационной матрицы F, которая является многомерным аналогом статистики Фишера.

Значения статистики F интерпретируется следующим образом. Если ее значение находится в интервале 0<=F<=0.5, то эталонная аномалия в точке отсутствует. Если значение статистики попадает в интервал 0.5<F<=1.5, то аномалия есть. И, наконец, если значение статистики 1.5<F<1000 - эталонная аномалия присутствует и ее форма совпадает с эталонной, но амплитуда превышает амплитуду эталонной аномалии.

Использование модуля эффективно только в тех случаях, когда визуально обнаружить аномалии практически невозможно, то есть, когда обрабатываемое поле некоррелируемо как по пикетам, так и по профилям. Чаще всего этим свойством обладает последняя, локальная составляющая поля.

В результате работы программы формируется сеть, содержащая статистику Фишера F.

Анализируемые признаки должны быть предварительно объединены в одну сеть с помощью модуля "Объединение сетей" из раздела "СЕРВИС" программного комплекса.

 

6.2.2. Автоматический вариант метода обратных вероятностей       

В программе реализован модифицированный алгоритм метода обратных вероятностей, позволяющий в автоматическом режиме выделить четыре типа (положительные, отрицательные и два типа знакопеременных - плюс-минус и минус-плюс) слабых аномалий соизмеримых с уровнем помех.

  Стартовые параметры программы

Исходная сеть -анализируемая, с целью обнаружения аномалий, сеть.    

Обрабатываемый признак -обрабатываемый признак.    

Результирующая сеть -сеть, содержащая результаты обнаружения аномалий.      

         

В программе реализован модифицированный алгоритм метода обратных вероятностей, позволяющий в автоматическом режиме выделить четыре типа (положительные, отрицательные и два типа знакопеременных - плюс-минус и минус-плюс) слабых аномалий соизмеримых с уровнем помех.

В результате работы программы образуется четырех признаковая сеть. Первый признак - статистика F для проверки гипотезы о наличии положительной аномалии, второй признак - отрицательной аномалии, третий - знакопеременной аномалии плюс-минус, четвертый - знакопеременной аномалии минус-плюс.

Значения статистики F интерпретируется следующим образом. Если ее значение находится в интервале 0<=F<=0.5, то аномалия в точке отсутствует. Если значение статистики попадает в интервал 0.5<F<=1.5, то аномалия есть. И, наконец, если значение статистики 1.5<F<1000 - аномалия присутствует и ее форма совпадает, но амплитуда превышает амплитуду эталонной аномалии.

В отличии от классического варианта метода обратных вероятностей данный алгоритм не требует наличия эталонной аномалии.

Анализируемые признаки должны быть предварительно объединены в одну сеть с помощью модуля "Объединение сетей" из раздела "СЕРВИС" программного комплекса.

 

 

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, входящих в состав описанных выше функциональных блоков. 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:

-разбиения анализируемой площади на однородные по нескольким признакам области (геологическое районирование);

-распознавания многопризнаковых геофизических аномалий, при наличии априорной информации о форме эталонной многопризнаковой аномалии;

-анализа многопризнаковой информации с помощью классического компонентного анализа;

-оптимального шкалирования (оцифровки) номинальных геолого-геофизических признаков;

-оценки информативности отдельных признаков и их различных комбинаций;

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.

 

7.1. Классификация...

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

 

Метод общего расстояния

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.