地质过程的计算机模拟

地质过程的计算机模拟绪论地球科学与计算机科学的联系数字地质科学计算机在地学中的应用现状计算机在地学中的应用领域实例介绍地球科学与计算机科学的联系数据采集与资料收集数据、资料整理数据库处理解释分析研究人员或仪器数据文件数据库管理软件处理、解释和分析软件系统绘图系统或可视化系统地质制图数字地质科学学科属性什么是数字地质科学数字地质科学的主要研究方向学科属性计算机在地学中的应用是地学中的一个活跃的前沿研究领域。是信息技术与地学的融合，目前正处于探索、发展阶段。数字地质科学目前我校已建立了“数字地质科学”这一新的学科，它将逐步完善其理论体系，研究方法和技术，形成一门地球科学领域中以信息技术为支撑的重要学科。什么是“数字地质科学”数字地质科学是以现代地球科学的理论和方法为基础，充分利用信息科学的理论和技术，研究地学信息提取、转换、表示、存储、管理、分析和可视化，以及建立地球科学定量模型和对地质过程进行数值模拟的综合性学科。本学科是地球科学、信息科学和技术、数学、物理学等多个学科的交叉与融合。什么是“数字地质科学”数字地质科学是地质学的未来发展方向，是使地质学由定性走向定量，由二维走向三维，由静态走向动态的关键。其理论基础是定量地质模型和地质信息分析理论。数字地质科学的研究目标是实现地质数据的信息化、地质信息分析的智能化、地质研究的定量化和可视化。数字地球科学研究对加深地球的形成演化、生命起源、物质组成、矿产资源形成分布的认识有着极其重要的意义。什么是“数字地质科学”地质资料的信息化和地质信息分析的智能化可以使地质学家容易处理和分析数据，发现新的地质事实和地质规律。地质研究的定量化和可视化能够使地质研究更加深入，是创造新的地质理论的重要基础。数字地质科学＝定量化的+智能化的+可视化的+信息化的地质学。数字地质科学的研究方向定量地质研究定量地质研究是指利用地质数据定量分析地质特征之间和地质特征及其成因之间内在联系，探索地质演化规律的过程。如变质作用的P-T-t轨迹研究、岩石圈热结构分析、盆地构造定量分析、构造应力场分析、沉积相和高分辨率层序地层学自动分析等。地质建模地质建模是在综合地质研究的基础上，利用计算机图形图像技术，通过地质模式量化，建立地质体的空间参数、属性参数和构造框架等之间关系的过程。沉积盆地综合模型：通过综合岩石、地层、构造和深部地质特征建立综合盆地地质模型。构造模型：在深入细致的构造分析基础上，建立构造模型并在此基础上利用计算机技术恢复构造演化历史，推断构造成因。矿体三维模型：利用描述矿体空间产状的参数及矿体的其他属性参数，建立矿体的三维可视化模型，并通过该模型剖析控制矿体的地质因素、矿体的成因等。地质过程模拟地质过程模拟是根据地质过程发生的物理化学原理，建立数学模型，用计算机模拟地质过程的演化过程，并以图形方式动态显示这种演化过程。沉积过程模拟：在流体运动的连续方程和动量方程基础上模拟各种沉积环境的沉积物的搬运、沉积和侵蚀过程，预测沉积相分布和盆地沉积构型。盆地构造－充填过程模拟：综合模拟控盆构造的演化、地壳沉降和沉积充填过程，建立沉积与构造作用之间的关系。盆地地球动力学模拟：在盆地形成的动力学模型的基础上，模拟在盆地形成过程中盆地形态、岩石圈温度场变化、深部构造作用和岩浆作用之间的关系。附：数学地质数学地质是20世纪60年代以来迅速形成的一门边缘学科。它是地质学与数学及计算机科学相结合的产物，目的是从量的方面研究和解决地质科学问题。它的出现反映地质学从定性的描述阶段向定量研究发展的新趋势，为地质学开辟了新的发展途径。数学地质方法的应用范围是极其广泛的，几乎渗透到地质学的各个领域。目前数学地质工作在国际上已经有了比较普遍的开展，对某些地质问题的研究取得了许多实际效果。数学地质的基本内容或方法：①地质数据的统计分析，其中常用的有：趋势面分析、回归分析、因子分析、判别分析，聚类分析、典型相关分析、高斯—克里格、时间序列分析、数字滤波等；②地质过程的计算机模拟：地下水运动过程模拟，构造断裂的模拟，矿物地球化学的模拟等；概率性数学模拟：地层剖面的马尔科夫过程模拟等；③地质数据存储、索取、自动处理和显示：野外地质数据处理系统，矿产资源、地下水资源数据处理系统，各种专用地质数据处理系统，自动绘图系统等。信息技术与地球科学研究地球科学研究中信息技术的应用现状信息技术在地球科学中主要应用领域地理信息系统与数字地球人工智能与专家系统科学计算与可视化技术知识发现与数据挖掘地质建模与模拟地球科学教育地学中信息技术的应用现状世界正在经历由A到B的转变，即由原子（Atom）时代向比特（Bit）时代的转变，计算机科学与技术的进步在其中无疑起着关键性作用。我们正在不断地获得数据，也不断地获得知识。“怎样收集信息、管理和使用信息将决定您的输赢”。从20世纪地球科学的发展历程可以看到科学中的每一个重大发明及在地学中的应用，都推动了地球科学重大发现和重大进步，信息技术在地球科学中的广泛应用无疑也会对地球科学的发展产生巨大的推动作用。国外地学领域应用现状有许多大型地质、地球物理等地学软件开发公司或部门。在固体矿产勘探、石油勘探广泛使用计算机技术，有一些专门的职位与计算机在地学中的应用有关，如数据分析员、专用软件操作人员、GIS，在一些研究机构招聘一些具有计算机应用能力的研究人员。计算机在地学中的应用已取得许多重大的研究成果，如关于地球内部对流的认识，是近年来地学研究中的重大进展之一，这一成果是由计算机模拟技术实现的。其他一些地学理论的进步也是计算机在地学研究中应用的结果，如高分辨率地层学。我国地学领域应用现状信息技术在地球科学中的应用重要表现之一是软件开发。我国在石油勘探开发中所使用的软件主要是依靠花费大量的资金进口。我国所开发的一些商品化软件屈指可数：如MapGIS、SuperMap、GeoStar等。存在的主要问题:软件商品化程度低、大型软件缺乏。缺乏能够从事“数字地质科学”研究的人才。地球科学的可视化地学研究中的一项重要工作就是把所获得的信息以一种直观的方式表示出来。可视化是一种描述地表和地下地质情况的工具，利用该技术可以用三维方式显示构造、油气储层参数的空间变化等地质信息，利用一些特殊设备可以把观察者置入虚拟三维空间中。科学可视化已受到许多地学领域研究者的高度重视。构造分析不同岩相在地下分布的3D视图孔隙度3D分布的彩色编码图人工智能与专家系统人工智能人工神经网络遗传算法模式识别专家系统知识发现数据挖掘知识发现和数据挖掘数据库中的知识发现（KDD，KnowledgeDiscoveryinDatabase）是数据库技术和机器学习两个领域的交叉学科。KDD是利用机器学习的方法,从数据库中识别出有效的、新颖的、潜在的、有用的以及最终可以理解为模式的高级处理过程。它是通过从数据集中识别出模式来表示知识的。数据挖掘是KDD中的一个重要处理阶段，数据挖掘可以从大量数据中提取出比数据本身更深层次的信息，因而可以用来对数据进行分析。知识发现的主要步骤1、数据准备：包括数据选择、净化、推测、转换、缩减。2、数据挖掘：采用的技术有决策树、分类、聚类、粗糙集、关联规则、神经网络、遗传算子。数据挖掘根据KDD的目标，选取相应算法的参数，得到可能形成知识的模式模型。3、评估、解释模式模型：上面得到的模式模型，需要评估以确定那些是有效的模式。4、巩固知识：用户理解的、并被认为是符合实际和有价值的模式模型形成了知识。同时还要注意对知识做一致性检查，解决与以前得到的知识相互冲突、矛盾的地方，使知识得到巩固。5、运用知识：有两种方法，（1）只需看知识本身所描述的结果就可以对决策提供支持；（2）要求对新的数据运用知识，由此可能产生新的问题，还需要对知识做进一步的优化。模式数据挖掘的任务是从数据当中发现模式。模式按功能分为两种：预测型与描述型。预测型模式是根据数据就可以精确确定某种结果的模式；描述型模式是对数据中存在的规则作一种描述，或根据数据的相似性进行归组。根据模式的作用可分六种1、分类模式：是一种分类函数，能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的值从树根开始搜索，沿数据满足的分支往上走。走到树叶就能确定类别。2、回归模式：回归模式与分类模式相似，差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。3、时间序列模式：根据数据随时间变化的趋势预测将来的值。根据模式的作用可分六种4、聚类模式：把数据分到不同的组中，组间差别尽可能大，组内差别尽可能小。5、关联模式：关联模式是数据之间的关联规则。如：在无力偿还贷款的人当中，60％的人的月收入在3000元以下。6、序列模式：序列模式和回归模式相仿，而把数据之间的关系与时间联系起来。在解决实际问题时，经常要使用各种模式，分类模式与回归模式是最普遍的模式。数据挖掘的应用一、科学研究：科学研究可分为三类，理论科学、实验科学、计算科学。计算科学是现代科学的一个标志，例如：数据挖掘在天文学上的应用系统是：美国的SKICAT（SkyImageCatalogandAnalysis)。数据挖掘在生物学上的应用主要集中于分子生物学特别是基因工程上。目前数据挖掘在地学领域的应用较少，是具有很大潜力的科学研究前沿。数据挖掘的应用二、市场行销：通过数据分析了解客户购物的趋向和兴趣，从而为商业决策提供了可靠的依据。数据库在行销业上的应用分为两类：数据库行销和货篮分析。数据库行销的任务是通过交互式查询、数据分割和模型预测来选择潜在的顾客来向他们推销产品。货篮分析是分析市场销售数据以识别顾客的购买行为模式。三、金融投资：典型的金融分析领域有投资评估和股票交易市场预测，分析方法一般采用模型分析方法。数据挖掘的应用四、欺诈识别：通过总结正常行为与欺骗行为之间的关系找到欺骗行为的特征，当某项业务符合这些特征时就可以向决策人员提出警告。五、产品制造：在产品制造的过程中，常伴随有大量的数据，通过对这些数据的分析可以发现产品质量和这些数据之间的关系，因此，通过对数据的分析可以提出针对性很强的建议。数据挖掘的应用六、通信网络管理：在通信网络过程中，会产生一系列的警告，数据挖掘可以通过分析已有的警告信息的正确处理的方法以及警告前后之间关系的记录，得到警告之间的关联规则，根据当前的警告信息就可以得到其后续发生各种情况的可能性，对危险事件起到预防作用。地球科学教育－虚拟野外实习系统计算机在地学中的应用层次简单应用—利用一些基本的、通用的软件进行基本的数据分析：统计分析(SPSS,SAS等)图像处理（Photoshop、Matlab等)图形绘制(Surfer、CorelDraw、AutoCAD等)数据库的建立(Oracle,SQLServer,MySQL等)。基本应用—利用专业软件进行数据处理、分析，辅助决策，如地理信息系统、矿床勘探专家系统、储层分析系统、地震、测井资料处理，解释系统等。高级应用—针对特定问题的应用系统，解决方案的开发，如盆地分析系统、矿产资源评价和决策支持系统、三维可视化系统等。大尺度盆地计算机分析大尺度盆地计算机分析系统是试图根据目前对盆地的认识，建立盆地模型，对整个盆地进行构造、沉积、热演化和油气形成过程进行模拟。系统结构盆地背景分析子系统伸展盆地分析子系统沉积过程模拟子系统挤压盆地模拟子系统构造沉降分析模块岩石圈的热结构分析伸展盆地构造模拟模块伸展盆地地球动力学模拟模块挤压盆地构造模拟模块挤压盆地地球动力学模拟模块伸展盆地构造沉积综合模拟模块伸展盆地构造沉积综合模拟模块构造沉降曲线图盆地特征设置岩石圈热结构剖面图沉积环境和沉积相模拟剖面、平面和立体图挤压构造剖面挤压构造沉积综合剖面图，平面图，立体图伸展构造剖面构造沉积综合剖面图，平面图，立体图盆地动力学剖面图盆地动力学剖面系统的主要功能表1.2.1LSBCA系统模块的主要功能模块子模块主要功能