Cтраница 1
Прогнозное поле показано на рис. 6.1. Из рисунка видно, что высокие значения прогноза образуют компактный район, расположенный в северной части Западно-Сибирской нефтегазоносной провинции. Этот район совпадает с известными преимущественно газоносными областями, отвечает Пур-Тазовской зоне интенсивного прогибания земной коры, характеризуется максимальной мощностью осадочного чехла ( до 14 км), сокращенной мощностью верхнего слоя консолидированной коры и большими значениями продольных сейсмических волн на поверхности фундамента, что резко отличает его от остальной территории рассматриваемой провинции. [1]
Прогнозное поле показано на рис. 6.2, из которого видно, что высокие значения отношения правдоподобия приурочены к среднему Приобью, где сосредоточены крупнейшие нефтяные месторождения. Этот район характеризуется мощностью чехла около 4 5 км, дифференцированными значениями скоростей продольных сейсмических волн в кровле фундамента и хорошо развитым верхним слоем консолидированной коры. [2]
Прогнозное поле приведено на рис. 6.7. Уверенность прогноза перспективных ( неперспективных) областей увеличивается с увеличением ( уменьшением) значения прогнозного поля. Средняя ошибка аппроксимации по выборке составляет 50, из этого следует, что на прогнозной карте значения от - 50 до 50 интерпретируются как область неопределенности. Кружками большого радиуса обозначено расположение продуктивных скважин, малого радиуса - сухих. [3]
Часть прогнозного поля Мтах, относящаяся к Большому Кавказу, показывает достаточно хорошую экстраполяцию найденной на Малом Кавказе прогнозирующей функции. Эпицентры почти всех крупных землетрясений восточной части Большого Кавказа находятся внутри или вблизи прогнозных зон с соответствующими значениями Мтах. На Малом Кавказе выявляются четыре зоны высоких значений Мтах. Одна из них имеет широтное простирание и располагается на северо-западе Малого Кавказа. Вторая зона проходит южнее и параллельно первой. [4]
На карте прогнозного поля Мтах, построенного по этому признаку ( рис. 5.3, А), видно, что зоны возможных значений Мтах 6 0 приурочены к областям сближения надвигов и сдвигов. [5]
На карте прогнозного поля Мтах, построенного по двум признакам х и х2 ( рис. 5.3, В) наметились зоны с высокими значения Мтах вдоль южного и северного склонов Большого Кавказа. На Малом Кавказе выделяется широкая зона северо-западного простирания с большими значениями Мтах. [6]
Прогнозное поле приведено на рис. 6.7. Уверенность прогноза перспективных ( неперспективных) областей увеличивается с увеличением ( уменьшением) значения прогнозного поля. Средняя ошибка аппроксимации по выборке составляет 50, из этого следует, что на прогнозной карте значения от - 50 до 50 интерпретируются как область неопределенности. Кружками большого радиуса обозначено расположение продуктивных скважин, малого радиуса - сухих. [7]
Эти методы позволяют использовать для нахождения прогнозирующей функции нечеткие знания нескольких независимых экспертов о значении прогнозируемой величины в точках выборки. Одновременно с нахождением прогнозирующей функции производится отбор группы наиболее информативных признаков и поддерживается детальный анализ найденного прогнозного правила. Для построения цифровой модели прогнозного поля значения прогнозирующей функции вычисляются для всех узлов растровой сетки региона. [8]
Он удобен для формализации экспертных знаний, так как в задачах с неполной информацией экспертам часто известен вид зависимости прогнозируемой величины от каждого признака в отдельности. Эти знания просто ввести в виде ограничений на параметры кусочно-линейных функций. Сумма нелинейных функций одной переменной позволяет интерпретировать сеточную модель прогнозного поля как сумму нелинейно преобразованных полей сеточных признаков. [9]
В задачах пространственного прогноза предполагается, что в пределах изучаемой области оцениваемая величина связана некоторой зависимостью с известными характеристиками геологической среды. Чаще всего эта зависимость, называемая прогнозирующей функцией, заранее неизвестна. Для ее нахождения используются выборка примеров ( прецедентов) и / или знания предметной области. При построении прогнозной карты прогнозирующая функция используется для вычисления цифровой модели прогнозного поля. Для этого правило прогноза применяется к известным характеристикам геологической среды во всех точках сеточного поля региона. Если признаки прогноза определены сеточными моделями с разными параметрами сетки, то значения признаков в узлах растра прогнозного поля интерполируются. При этом в задачах пространственного прогноза обычно используется алгоритм билинейной интерполяции. [10]
В задачах пространственного прогноза предполагается, что в пределах изучаемой области оцениваемая величина связана некоторой зависимостью с известными характеристиками геологической среды. Чаще всего эта зависимость, называемая прогнозирующей функцией, заранее неизвестна. Для ее нахождения используются выборка примеров ( прецедентов) и / или знания предметной области. При построении прогнозной карты прогнозирующая функция используется для вычисления цифровой модели прогнозного поля. Для этого правило прогноза применяется к известным характеристикам геологической среды во всех точках сеточного поля региона. Если признаки прогноза определены сеточными моделями с разными параметрами сетки, то значения признаков в узлах растра прогнозного поля интерполируются. При этом в задачах пространственного прогноза обычно используется алгоритм билинейной интерполяции. [11]