#isoline — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #isoline, aggregated by home.social.
-
Изолинии как документ и кригинг, которому можно верить
Мы создаем софт для горно-геологических служб калийных рудников, и это третья статья цикла про геостатистику в QGIS: в первой был кригинг на чистом NumPy, во второй - выбор между пятью его видами. Сегодня две темы, которые остались за кадром, а в повседневной работе геолога решают едва ли не больше самой интерполяции. Первая - изолинии: не картинка поверх растра, а документ, который идёт в подсчёт запасов и на печатные планы, со строгими требованиями к геометрии. Вторая - всё, что живёт вокруг кригинга и превращает интерполяцию в решения: карта стандартной ошибки, кросс-валидация, внешний дрейф, вероятность превышения кондиции, гидравлика потока по Дарси и гауссова симуляция неопределённости.
-
Какой кригинг выбрать: простой, ординарный, с трендом, блочный, индикаторный
Мы создаем софт для горно-геологических служб калийных рудников, и после первой статьи про [кригинг на чистом NumPy]( https://habr.com/ru/articles/1055612/ ) самый частый вопрос звучал одинаково: «Хорошо, а какой именно кригинг брать?» Вопрос правильный: под словом «кригинг» живёт целое семейство методов, и выбор между ними влияет на результат сильнее, чем тонкая настройка вариограммы. В плагине Isoliner их пять - простой, ординарный, с полиномиальным трендом, блочный и индикаторный, - и каждый существует не для галочки, а под конкретный класс геологических задач. Под катом - разбор всех пяти на живых примерах калийного месторождения: когда какой, какие параметры за что отвечают, как это выглядит в коде и на каких ошибках спотыкаются чаще всего. <cut/> ## Общая механика: что меняется, а что нет Напомню каркас из первой статьи: оценка в точке - взвешенная сумма соседних скважин, веса - решение системы уравнений с ковариациями из вариограммы: ```python s = np.linalg.solve(A, r) # A - ковариации соседей между собой, w = s[:na] # r - ковариации соседей с точкой оценки est = float( np.dot (w, vra)) ``` Все пять видов кригинга решают эту систему. Различаются они тем, что считается неизвестным про среднее поле и что именно оценивается - точка, блок или вероятность. Это и есть ключ к выбору. ## Простой кригинг (SK): среднее известно Простой кригинг предполагает, что среднее значение поля вам известно заранее и постоянно по площади. Тогда система решается без дополнительных условий, а недобор веса соседей компенсируется этим средним:
-
Геостатистика в QGIS без SAGA: кригинг на чистом NumPy
Мы создаем софт для горно-геологических служб калийных рудников. Наши геологи и маркшейдеры каждый день превращают тысячи скважинных проб в карты: отметки кровли пласта, содержания KCl, мощности, газоопасность. Классический инструмент для этого - кригинг, и в QGIS он формально есть: SAGA, GRASS, Smart-Map, связки со SciPy. На практике же каждый вариант чем-то не устраивал, и год назад я начал писать свой плагин. Сейчас Isoliner - это 24 инструмента в официальном репозитории plugins.qgis.org : кригинг четырёх видов, вариограммный анализ, кросс-валидация с отчётами, изолинии с контурными полигонами, геологические разрезы и собственный 3D-просмотр. Вычислительное ядро - чистый NumPy, ни одной внешней зависимости. Под катом - зачем понадобился ещё один кригинг, как выглядит система кригинга в двадцати строках NumPy, что такое вариограмма на пальцах и почему абсолютные единицы силла — главные грабли всех, кто впервые открывает такие инструменты.