🧈 Подготовка и верификация исходных данных для блочного моделирования — это определяющий этап построения модели, именно на этом шаге закладывается качество всех последующих действий. Поэтому работу с данными следует начинать не с выбора метода интерполяции, а с анализа того, насколько сама выборка корректно описывает геологическое пространство.

1️⃣ Доменизация выборки.
Общую совокупность исходных данных необходимо первоначально разделять как минимум на 3 геолого-структурных макродомена – регулярный массив, кора выветривания и зоны тектонических разломов.

Необходимость такого разделения обусловлена тем, что указанные геологические среды формировались в различных условиях и характеризуются собственными закономерностями изменчивости и статистическими характеристиками. Их совместный анализ в составе единой выборки приводит к искусственному смешению различных статистических популяций, искажению формы распределений, средних и медианных значений, показателей дисперсии и пространственной корреляции и, как следствие, к некорректной интерполяции параметров в блоки модели.

Последующее районирование регулярного массива выполняется с выделением геомеханических доменов по значениям рейтинговых классификаций и физико-механических характеристик.

Геомеханические домены выделяются для обособления участков массива с однородными инженерно-геологическими свойствами и назначения для них репрезентативных расчётных параметров.

2️⃣ Декластеризация и композитирование.
Декластеризация применяется для снижения смещения статистических оценок, вызванного неравномерной плотностью бурения. На практике какая-либо часть месторождения часто оказывается изучена подробнее других, и тогда “интересующие” зоны начинают непропорционально сильно влиять на статистику. В результате представительность выборки снижается - статистические параметры могут и быть искусственно завышены или занижены.

Композитирование устраняет влияние различной длины исходных интервалов. При невзвешенном анализе короткие и длинные интервалы вносят одинаковый вклад в статистику, хотя характеризуют разные объёмы массива. Приведение данных к единой длине обеспечивает их сопоставимость и корректность последующей оценки. Альтернативой является анализ с взвешиванием значений по длине интервала.

3️⃣ Анализ сформированных выборок.
На этом этапе в первую очередь необходимо выявить и оценить выбросы. Часть экстремальных значений действительно может отражать локальные зоны повышенной изменчивости массива, однако другая часть нередко связана с ошибками описания керна, картирования или последующей обработки данных. Поэтому выбросы нельзя автоматически удалять или, наоборот, безусловно сохранять: каждое такое значение требует проверки в геологическом и геомеханическом контексте.

Далее следует проанализировать форму распределения параметров. Если гистограмма какого-либо геомеханического показателя демонстрирует выраженную мультимодальность, а коэффициент вариации остаётся высоким, это часто указывает на внутреннюю неоднородность выборки. В такой ситуации необходимо проверить пространственное распределение значений и оценить, не объединены ли в одном домене участки с различными условиями. При подтверждении такой неоднородности домен целесообразно дополнительно разделить на более однородные участки.

👩‍💻 Отдельное внимание следует уделить анализу ожидаемых корреляционных зависимостей между параметрами. Для геомеханических данных существуют пары показателей, связь между которыми обычно прослеживается достаточно устойчиво, например RQD и FF/m, GSI и JR/JA, Q и RMR и т.д. Если в исходной выборке такие зависимости отсутствуют или слабо выражены, это может служить признаком наличия грубых ошибок в исходных данных.

➖➖➖➖➖➖➖➖➖

📧 Рассылка 📞 Telegram 📱 LinkedIn 📱 Youtube 📱 VK 💬 Блог 📚 Wiki