- •Метод наименьших квадратов.
- •Вариационная задача.
- •Информация для задач с одномерным аргументом и выделение реперов.
- •Свойства выделенных тел.
- •Профильные разрезы.
- •Трехмерные модели
- •Сейсморазведочная информация
- •Обработка данных по n площадям
- •Априорная информация
- •Алгебра на множестве карт.
- •Структура множества моделей
- •Преобразование структурных карт в геологическую и обратно.
- •Тектонические схемы.
- •Прогнозные ресурсы и запасы.
- •Распознование образов.
- •Вариционная задача прогноза.
- •Метод изоконтактов.
- •Модели залежей.
- •Карты параметров.
- •Запасы в r3
- •Ошибка при регрессивном анализе
- •Ошибки карт
- •Энтропия
- •Информация.
-
Ошибка при регрессивном анализе
1) Здесь - начальная дисперсия оцениваемого параметра.
- дисперсия оценки; - коэффициент корреляции.
2) Ошибка по Уилксу.
Здесь - матрица ковариаций параметров, по которым производится оценка;
- вектор коэффициентов.
В первом варианте известная дисперсия оцениваемой случайной величины уменьшается в соответствии с изменением коэффициента корреляции. Во втором варианте величина прогрешности оценки – квадратичная форма, вычисляемая с использованием матрицы ковариаций и коэффициентов уравнения регрессии.
-
Ошибки карт
Разложим карту ошибок в ряд Тейлора
а1·f + а2·f´+ а3·f´´ - для f двухмерной фун-ии.
f – принимаем во всех точках = 1. Можем построить карту того параметра, кот. Мы исследуем.
Там где пробурена скв. и есть информ-я там ошибка min, 1ая произв-ая = 0.
а3·f´´ - берется кривизна поверх-ти, кот. соотв-ет 2ой производ-ой. На карте параметра нужно найти точки min и max и снять точки кривизны. Получим мат. ожидание этой кривизны.
mnku ([ ],[ ],x,x1,x2;[010],0,1,ρ0,d)
d – коэф-т сгущения
[010] - стабилизатор
1) σ2 = σ2 *βт* (Ат*А)-1*β – если задача решается, МНК без стабилизаторов
β – вектор базисных сплайнов(функций),в той точке, которой мы вычисляем ошибку.
Ат*А – матрица системы уравнений (S)
βт * S-1* β – в простом МНК
Вычисляем во всех узлах эти ошибки и получаем карту.
Когда вариационная задача:
S = Ат*А+αQ – матрица системы
Эта задача решается с помощью amnkd.
2) Считали (f) при разных ρ (вес на точки), складывали их и получали:
f = (f1+f2+…+fn) / n;
находим дисперсию: S2 = ((f1-f).*(f1-f)+(f2-f).*(f2-f)+…+(fn-f).*( fn-f)) / (n-1)
Они перемножаются покомпонентно, и получается, что дисперсия вычисляется в каждом узле.
3) Находим карту при стабилизаторе D2 и D1. При D1 в точках min погрешность, а между точками стремится к 0.
-
Энтропия
ЭНТРОПИЯ – мера неопределенности некоторых ситуаций.
P(xi) – вероятность i-го уравнения х.
Энтропия не зависит от типа распределения. Х можно представить как некоторую величину, меняющуюся во времени и пространстве.
Пусть есть событие, что Z1>2.5 и что Z2<=2.5 у них есть свои вероятности
Р(х1)=3/5 и Р(х2)=2/5 следовательно энтропия величины Z равна:
Н(х)=-(3/5*log(3/5)+2/5*log(2/5)= - (3/5(-0.22)+2/5(-0.4))= 0.292
Возможный диапазон изменчивости энтропии [0;log(n)] , где n-возможное количество значений. Нижняя граница, равная нулю, означает отсутствие неопределенности, т.е. х=const. Графически это можно выразить так:
Верхняя граница, равная log(n) – все значения встречаются с равной вероятностью. Энтропия безразмерная величина, поэтому есть возможность сравнивать степень изученности разных величин, а следовательно можно сравнивать энтропии разных моделей. Например, при подсчете запасов сделать вывод о том, какое месторождение более изучено, а какое менее. Энтропия имеет аналог – дисперсия.