Analytical and Numerical Methods in Mining Engineering (Sep 2021)
بررسی عملکرد زنجیره مارکوف تعمیم‌یافته در شبیهسازی متغیرهای گسسته در یک مطالعه موردی
Abstract
مدل‌سازی ناهمگونی رخساره‌های زمین‌شناسی نقشی مهم در شناسایی موقعیت قرارگیری رخسارهها ایفا می‌کند. استفاده از روش‌های تخمین و شبیهسازی زمین‌آماری مبتنی بر واریوگرام به دلیل دقت بالا و لحاظ کردن عدم قطعیت مدل‌ها، امروزه کاربردهای مؤثر و چشمگیری در مدل‌سازی نهشته‌های معدنی داشته‌اند. با توجه به خطی بودن تخمینگرهای مرسوم زمین‌آماری، مدل‌سازی فضایی ویژگی‌های رخسارهها با کاستی‌هایی همراه است. الگوریتم شبیهسازی شاخص پی‌درپی (SIS) روشی محبوب و پرکاربرد در حیطه مدل‌سازی رخسارهها است که بر پایهی آنالیز ساختاری متغیر شاخص و مبتنی بر برآورد تابع توزیع احتمال محلی با کمک کریجینگ شاخص اجرا میشود. این روش نیز زمانی که حجم داده‌های اولیه پایین است عملکرد مناسبی از خود نشان نمی‌دهد. روش زنجیره مارکوف تعمیم‌یافته (GCMC) یکی از مناسب‌ترین روش‌های زنجیره مارکوف در شبیهسازی متغیرهای گسسته در نهشته‌های رسوبی است. این روش برای شبیهسازی از روابط بین کلاسی و احتمالات گذار استفاده می‌کند. در این تحقیق از سه روش تخمین کریجینگ شاخص، روش‌های شبیهسازی SIS و GCMC در مدل‌سازی واحدهای کربناته یک مقطع انتخابی از نهشته آهک ارشتناب بستان‌آباد استفاده شده است. در ادامه نتایج حاصل از هر سه روش باهم مقایسه شده و میزان بازتولید مقادیر نسبت حجمی و واریوگرامها مورد بحث قرار گرفت. درروش کریجینگ شاخص روند عمومی قرارگیری کلاس‌ها به‌خوبی تولید شده، اما هموارشدگی به‌صورت واضح در مقطع دیده میشود. در نتایج GCMC نحوه تولید الگوها نسبت به دو روش دیگر انطباق بهتری با واقعیت زمین‌شناسی منطقه دارد. این تحقیق نشان می‌دهد که روش SIS در تولید الگوها عملکرد ضعیف‌تری نسبت به GCMC داشته و الگوهای تولیدی متفاوت از وضعیت واقعی لایه‌بندی بوده و پراکندگی بیشتری از خود نشان می‌دهند. با توجه به نتایج منطقی و پیاده‌سازی آسان، روش GCMC ابزاری مناسب جهت پیش‌بینی اولیه و مدل‌سازی کلاس‌ها در محیط‌های رسوبی است.
Keywords
