Введение к работе
АКТУАЛЬНОСТЬ
Прогнозирование верхней части геологического разреза (прогнозирование ВЧР) – это извлечение знаний о детальном строении среды из данных, получаемых геофизическими исследованиями. Суть этого процесса заключается в определении литологического строения верхней части разреза исследуемого участка земной коры по установленным зависимостям между измеряемыми геофизическими методами величинами и физико-механическими свойствами пород. Таким образом, геологическая среда не нарушается, т.к. измерения геофизических величин происходят с поверхности. Сравнительно небольшой объем бурения используется только для контроля результатов прогнозирования.
Прогнозирование ВЧР – инженерная задача. Она возникает при строительстве гражданских и промышленных зданий и строений, прокладке различных коммуникаций (дорог, ЛЭП, систем водоснабжения и канализации, разных типов линий связи и т.п.). Для решения этой задачи применяется целый комплекс методов – геологических, лабораторных, геофизических. Это требует больших временных, трудовых и финансовых затрат.
Несомненно, информационные технологии облегчают труд и сокращают время обработки того огромного массива данных, с которым приходится иметь дело при инженерных изысканиях. Однако роль человеческого фактора при этом не только не исключается, но и очень ответственна. Адекватность геологической интерпретации полученных во время изысканий данных реальному литологическому строению исследуемого участка зависит напрямую от знаний и опыта интерпретатора.
В то же время опытный специалист обладает так называемой профессиональной интуицией, он способен бегло, но точно оценить ситуацию, основываясь только на собственном опыте. Автор считает, что профессионализм заключается, прежде всего, в том, чтобы извлечь максимум полезной информации из минимального количества данных.
Очевидно, что опыт, накопленный одним специалистом, будет воспринят другим специалистом по-своему. Отсюда возникает проблема преемственности, когда профессионалы уходят, а им на смену приходят еще не слишком опытные молодые специалисты.
Таким образом, актуальность научного исследования обусловлена тем, что интеллектуальные системы (ИС) способны, с одной стороны, повысить эффективность интерпретации геофизических данных, с другой стороны – в определенной степени решить проблему преемственности знаний.
Объектом исследования является верхняя часть геологического разреза, т.к. именно она изучается при решении задач инженерной геофизики. Предметом исследования является применение интеллектуальных систем при прогнозировании ВЧР.
Цель исследования заключалась в повышении эффективности прогнозирования верхней части геологического разреза по геофизическим данным с использованием интеллектуальных систем. При этом под эффективностью понимается минимизация трудовых, финансовых и временных затрат без снижения качества результатов.
Исходя из цели, были поставлены и решены следующие задачи исследования:
Анализ современного состояния области искусственного интеллекта в приложении к наукам о Земле.
Определение требований к интеллектуальным системам при прогнозировании ВЧР.
Проектирование информационной системы с элементами искусственного интеллекта, предназначенной для прогнозирования ВЧР.
Реализация проекта с целью демонстрации возможностей разработанной системы при прогнозировании ВЧР.
Апробация разработанной системы на фактическом материале.
В качестве методов исследования применялись: методы информационного моделирования, методы проектирования и реализации интеллектуальных систем, методы представления знаний, метод экспертных оценок.
Научные положения, выносимые на защиту:
-
Предложен новый подход к идентификации пород на основе двух базовых характеристик: плотность и скорость распространения упругих волн, - что сокращает объем исходных данных, необходимых для правильной идентификации пород.
-
Впервые разработана информационная система с элементами искусственного интеллекта для прогнозирования верхней части геологического разреза по инженерно-геофизическим данным.
-
Предложен новый подход к установлению зависимостей между различными характеристиками пород, заключающийся в формализации этих зависимостей в виде правил.
Научная новизна заключается в следующем:
Предложено применение интеллектуальных систем как одного из методов повышения эффективности прогнозирования верхней части геологического разреза по геофизическим данным.
Предложен новый подход к идентификации пород по данным инженерно-геофизических изысканий на основе продукционной модели знаний, что дает возможность учесть специфику классификации пород специалистами разных областей геонаук, а также позволяет учитывать факторы, влияющие на физико-механические свойства пород.
Предложено программное решение треугольника классификации песчано-глинистых пород Кирхама на основе продукционной модели представления знаний. При этом установлено соотношение между плотностью и содержанием пылеватых частиц в грунтах.
Практическая ценность результатов исследования:
Определены задачи, которые могут решаться эффективнее с применением интеллектуальных систем, а именно: построение временных разрезов и преобразование их в глубинные; геологическое истолкование сейсмических разрезов; выбор методов, методик и аппаратуры для проведения изысканий; обобщение информации, полученной в ходе интерпретации данных.
Разработана информационная система с элементами ИИ для прогнозирования верхней части геологического разреза по геофизическим данным.
Разработанная система апробирована на фактическом материале, предоставленном Миромановым А.В., ЦГЭИ ИрГТУ, ВостСибТИСИЗ. Результаты тестирования совпадают с реальными данными не менее чем на 80%, что свидетельствует об эффективности и перспективности применения ИС для решения инженерных задач.
Результаты научного исследования могут быть использованы в дальнейшем для изучения верхней части разреза с применением интеллектуальных систем, а также в курсе дисциплин «Представление знаний» и «Интеллектуальные информационные системы» для студентов специальности ГИС.
Личный вклад. Результаты, составляющие научную новизну и выносимые на защиту, получены лично автором.
Фактический материал
В процессе работы над темой научного исследования были использованы результаты инженерно-геологических изысканий вблизи Северомуйского хребта, в частности, значения плотности и гранулометрический состав некоторых пород. Данные предоставлены Центром геолого-экологических исследований (ЦГЭИ) ИрГТУ.
Материалы по геофизическим изысканиям в районе Муйской долины предоставлены Миромановым А.В. и представляют собой инженерно-геологический разрез, скоростной разрез и распределение плотности по одному из профилей участка Промплощадка.
Кроме того, были использованы данные по инженерным изысканиям в нескольких точках г. Иркутска, предоставленные ВостСибТИСИЗ.
Апробация результатов научного исследования
Результаты исследования докладывались и обсуждались на научно-технической конференции факультета геологии, геоинформатики и геоэкологии в 2004, 2005 и 2007 гг., на Всероссийской Школе-семинаре «Математическое моделирование и информационные технологии: Управление, искусственный интеллект, прикладное программное обеспечение и технологии программирования», г. Улан-Удэ, 2006, и на семинаре в Институте вычислительной математики и математической геофизики СО РАН, Новосибирск, 2007.
По результатам научного исследования опубликовано 8 печатных работ, из них 6 в сборниках статей и докладов конференций различного уровня, 2 – в изданиях, рекомендованных ВАК, 1 – в соавторстве с научным руководителем, доцентом Миромановым А.В.
Работа выполнена при поддержке гранта DAAD по программе «Leonhard Euler Stipendium», 2005/2006 (Университет им. И.В. Гете, Франкфурт-на-Майне).
Структура и объем диссертации
Диссертация состоит из введения, четырех глав, заключения и библиографического списка. Текст диссертации изложен на 104 страницах и содержит 36 рисунков, 16 таблиц. Библиографический список состоит из 90 наименований.
Благодарности
Автор выражает искреннюю благодарность своему научному руководителю, Мироманову А.В., а также своим родителям, Мусихиной Е.А. и Мусихину М.А., и брату Алексею за терпение и поддержку. Кроме того, автор выражает глубокую признательность за неоценимую помощь: профессорам Дмитриеву А.Г., Филонюку В.А., Серовой Г.Е.; с.н.с. ИДСТУ СО РАН, Черкашину Е.А.
