🔍 Что такое Amazonas и как он работает?

Мы заметили, что в некоторых профессиональных чатах начали обсуждать алгоритм Amazonas (алгоритм оценки содержаний в блочных моделях), реализованный в tNavigator от Rock Flow Dynamics. Но простого объяснения, как именно работает этот алгоритм оценки, практически нигде нет. 🤔

Мы покопались в интернете, пообщались с нейронками и вот что нашли.
Если очень упрощённо, логика Amazonas выглядит так:
🎲 алгоритм случайным образом выбирает ещё не рассчитанный блок модели;
🔎 собирает вокруг него известные значения в заданном поисковом окне (поисковом эллипсе);
📊 определяет значение блока с помощью устойчивой локальной статистики — например, медианы или моды распределения (об этом шаге чуть дальше);
🧩 рассчитанный блок добавляется к известным данным и уже может участвовать в оценке следующих блоков;
🔁 процесс повторяется, пока модель не будет заполнена.

🎲 По сути, Amazonas — это стохастический метод. Порядок расчёта блоков содержит случайную составляющую, а уже рассчитанные значения влияют на последующие. Поэтому разные запуски могут давать несколько различных, но статистически допустимых реализаций геологической модели. Это позволяет оценивать не только содержание, но и неопределённость положения границ рудного тела.

А теперь чуть подробнее про самый необычный шаг — как именно определяется значение блока в отличие от IDW или Кригинга. 👇
Допустим, в поисковое окно попали содержания золота:
🥇 0,4; 0,6; 4,8; 5,9 г/т Au
Здесь явно соседствуют две группы значений — бедная и богатая.
➗ Если просто усреднить эти значения, получим около 2,9 г/т (Кригинг или IDW - это, по сути, сложный метод усреднения).
📐 Обычная медиана тоже дала бы промежуточное значение — 2,7 г/т.
Но такого содержания фактически нет ни в одной из локальных групп. ❗️
Далее Amazonas можно использовать несколько подходов, например, Unbiased Median. Для чётного числа наблюдений алгоритм не усредняет два центральных значения — 0,5 и 5,2, а выбирает одно из них.
В результате блок получит:
✅ 0,5 или 5,2 г/т;
❌ а не искусственные 2,7 г/т.

Есть и другой вариант — Kernel Mode, то есть оценка наиболее характерной моды локального распределения. 📈
Например, в окно попали:
🥇 0,4; 0,5; 0,6; 4,8; 5,0; 5,1; 5,2 г/т
Алгоритм видит, что наиболее плотная группа значений находится около 5 г/т, и значение нового блока будет определяться относительно этого локального пика, а не как среднее между бедной породой и рудой.

Если совсем просто, то идея такая: Amazonas старается не создавать искусственные промежуточные содержания между разными группами минерализации, а продолжать локально наблюдаемое распределение значений. 🧠
Ещё одна важная особенность — алгоритм не требует построения вариограммы и может работать в условиях нестационарности. 📏🚫
А благодаря стохастическому характеру метода можно получать множество реализаций модели и смотреть, насколько устойчивы прогнозируемые содержания и положение границ. 🎲📊
⛏️ Особенно интересно это выглядит для месторождений с резкими переходами «руда — пустая порода», сложным распределением содержаний и неочевидными границами доменов.
💬 Очень интересно мнение сообщества.
👷 Геологи и разработчики геологических систем — что думаете об Amazonas?
Насколько такой подход полезен на практике?

Пример использования на алмазах (112-я страница)