کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
9952351 1448264 2018 39 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An automatic variogram modeling method with high reliability fitness and estimates
ترجمه فارسی عنوان
یک روش مدل سازی واریوگرام اتوماتیک با قابلیت اطمینان بالا و برآورد
کلمات کلیدی
ترجمه چکیده
مدلسازی واریوگرام یک مرحله ی حیاتی برای اکثر روش های زمین شناختی است. با این حال، اکثر راه حل های مبتنی بر واریوگرام رایج، بدون توجه کافی به تأثیر فرایند اینترپالاسیون بر روی کاربرد آنها طراحی شده اند. این مقاله یک چارچوب مدل سازی واریوگرام خودکار را پیشنهاد می کند که به طور همزمان متناسب تجربی تجربی و دقت درونیابی در نتایج درونیابی مدل واریوگرام را مورد بررسی قرار می دهد. چارچوب مدل سازی واریوگرام می تواند به عنوان یک مشکل بهینه سازی غیر خطی با دو هدف زیر مورد توجه قرار گیرد. اول این است که بهینه سازی مناسب بین مقادیر واریوگرام تجربی و نظری در شرایط پارامترهای تعیین شده آنها بهینه شود. دوم، ما به دنبال بهینه سازی تفاوت بین مقادیر اندازه گیری شده و برآورد کریگینگ مرتبط با مدل واریوگرام نامزد می باشد. یک نمونه موردی نمونه با استفاده از یک مجموعه داده های عمومی برای آزمایش روش پیشنهادی که با استفاده از یک الگوریتم ژنتیک اجرا شد، انتخاب شد و عملکرد آن با سایر روش های معمول مدل سازی واریوگرام مقایسه شد. همانطور که انتظار می رود، روش مدل سازی سنتی واریوگرام که تنها در نظر گرفته شده، متناسب با تجربیات تجربی تجربی، حساسیت شدیدی به اشتباهات داده ها و پارامترها دارد. نتایج مدل سازی کلاسیک اعتبارسنجی متمرکز بر واریوگرامهای تجربی بود. در مقابل، روش پیشنهادی موفق به تولید مدل های واریوگرام با برآوردهای کریگینگ قوی و با کیفیت بالا و آمادگی مطلوب واریوگرام های تجربی در یک روش قدرتمند و انعطاف پذیر تر شد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
یک روش مدل سازی واریوگرام اتوماتیک با قابلیت اطمینان بالا و برآورد
چکیده انگلیسی
Modeling of the variogram is a critical step for most geostatistical methods. However, most of the prevalent variogram-based solutions are designed without sufficient consideration of the effect of the interpolation process on their application. This paper proposes an automated variogram modeling framework, which simultaneously considers the fit of the experimental variogram and interpolation accuracy in the modeling variogram interpolation result. The variogram modeling framework can be treated as a nonlinear optimization problem with two sub-goals. The first is to optimize the goodness of fit between the experimental and theoretical variogram values under the conditions of their designated parameters. Second, we seek to optimize the difference between measured values and the associated kriging estimates with the candidate variogram model. A typical case study was chosen using a public dataset to test the proposed method, which was implemented using a genetic algorithm, and its performance was compared with the ones of other commonly applied variogram modeling approaches. As expected, the traditional variogram modeling method that only considers fitting standard experimental variograms showed severe sensitivity to errors in data and parameters; classical cross-validation modeling results tended to overlook the experimental variograms. By contrast, the proposed method succeeded in producing variogram models with robust, high-quality kriging estimates and favorable fitness of experimental variograms in a more powerful and flexible way.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Geosciences - Volume 120, November 2018, Pages 48-59
نویسندگان
, , , , ,