Matematikai módszerek alkalmazása a földtudományban. Bárdossy György, Fodor János

Átírás

1 Matematikai módszerek alkalmazása a földtudományban Bárdossy György, Fodor János

2 Előszó Célunk több évtizedes tapasztalataink átadása és fel szeretnénk hívni a figyelmet új módszerek alkalmazásának lehetőségeire.

3 Az alkalmazások főcéljai 1. Megfigyelési és mérési adatok mennyiségi feldolgozása 2. Összefüggések felderítése és kiértékelése 3. Bizonytalanságok mennyiségi értékelése 4. Döntési kockázatok meghatározása

4 Főtapasztalatok Pontos definiciók fontossága (félreértések miatt) A számítástechnika fontossága (pl. SPSS statisztikai program-csomag) A kiütő értékek (outliers) megfelelő kezelése

5 A matematikai feldolgozás főtartományai 1.Skaláris (csak számok) 2.Térbeli ( X,Y,Z koordinátákkal) 3.Térbeli és időbeli (tér-koordinátákkal és időpontokal)

6 Modellezés 1. Elvi modellektől (conceptual -) a helyi konkrét modellek felé halad földtani, geofizikai, meteorológiai, hidrológiai, geodéziai stb. modellek Tulajdonság modellek, grafikus (pl. szelvények), folyamat -, genetikai A modellek validálása (hibák kiküszöbölése)

7 Modellezés (folytatás) 2. Geomatematikai modellek (numerikus-, analitikus módszerek, differnenciál egyenletek) 3. A modellek együttes földtudományi értékelése

8 Bizonytalanságok Kolmogorov három axiómájából az additivitási a földtudományban többnyire nem teljesül! (átmenetek és átfedések miatt) Bárdossy Gy., Fodror J. (2004): Evaluation of Uncertainties and Risks in Geology. (Springer)

9 Bizonytalanságok fő okai a földtudományban 1. Véletlenszerűség (randomness) Aleatory uncertainty. Térbeli és időbeli változékonyság (sztochasztikus módszerekkel többnyire meghatározható, de nem csökkenthető) 2. Emberi hibaforrások. Epistemic uncertainty. hiányos ismeretek, hiányos nem-reprezentatív mintavétel, kutatási hibák, mérési hibák, hibás kiértékelés stb. (nem-sztochasztikus módszerekkel csökkenthető)

10 Számtípusok bizonytalanság szerint 1. Biztos számok 2. Bizonytalan számok - valószínűségek, valószínűségi sávok - ordinális számok - intervallumok - fuzzy számok - hibrid számok

11 Determinisztikus módszerek Egyetlen eredmény ( best guess ) A bizonytalanságokat nem közli. Gyors, egyszerű, de csak közelítő megbízhatóságú

12 Sztochasztikus módszerek (a valószínűség elmélet alapján) Frekventista módszerek -egyváltozós - (átlagok, szórások, gyakoriságok, ferdeség, robusztus módszerek), eloszlás típusok, box-plotok összehasonlítása - kétváltozós korreláció számítások és diagramok (scatterplots) -sokváltozós- (klaszter elemzés, parciális és multi-korreláció, faktor elemzés, főkomponens elemzés, diszkriminancia elemzés)

13 Valószínűségi módszerek folytatása Bayes-elv alkalmazása(feltevés a kimenetel valósznűségére) - előzetes és utólagos valószínűségek meghatározása - a Bayes tétel alkalmazása - maximum likelihood függvények alkalmazása - szekvenciális diagramok készítése a változások kimutatására

14 Valószínűségi módszerek folytatása Geostatisztikai módszerek(matheron) izotróp és iránymenti szemi-variogramok meghatározása, variogram modelek, variogram felületek, fuzzy variogramok átlagos és lokális hatástávolságok szerepe krígelés, krígelési szórás, fuzzy krigelés hibaforrások: nem-lineáris összefüggések gyakoribbak Magasabb rendű sztochasztikus szimulációk (Dimitrakopoulos 2010 ) nem lineáris összefüggésekre

15 Valószínűségi módszerek folytatása Térbeli adatsorok elemzése - Markov láncok (főleg üledékes összletekben) -Szekvenciális térbeli szimulációk (üledékes összletekben) -Bootstrap módszerek (kevés adat esetén növeli a pontosságot)

16 Valószínűségi módszerek folytatása Monte Carlo szimuláció Előnyök: - egyszerű számítógépes alkalmazás - könnyen érthető eredmények Hátrányok:-a változók eloszlásának pontos ismerete szükséges - nem veszi kellően figyelembe a kis gyakoriságokat (Latinhypercube mintavétel fontossága) -a korrelációs kapcsolatokat figyelembe kell venni (jelentős hibaforrás lehet)

17 Bizonytalanság elemzés módszerei Entrópia meghatározása (egyetlen számmal) Összetett bizonytalanságok számítása Hibaterjedés törvényszerűségeinek figyelembe vétele Visszaszámlálás módszerei Nem valószínűségi módszerek

18 Kaotikus rendszerek elemzése Nem lineáris, dinamikus, hiper szenzitiv rendszerek, főleg meteorológiai jelenségeknél Lorenz-attraktorok szerepe

19 Az intervallum analizis Biztos számok helyett intervallumok (Moore 1979) Előnyök: - Könnyű számíthatóság - Az eredmények könnyen értelmezhetők - Minden bizonytalanság fajtára alkalmazható Hátrányok: - Az intervallumok gyors kiszélesedése - Hibaterjedés erős hatása

20 Bizonytalanság-elemzőnem-valószínűségi módszerek 1. Dempster-Shafer elmélet (1967) (feltételezés és plauzibilitás függvények alkalmazása, az ismeret mértéke, Dempster kombinációs szabálya) 2. Lehetőség elmélet (possibility theory) ( Dubois, Prade 1988 ) (a lehetőség és szükségszerűség függvényei, a valószínűség- elmélet kiterjesztése) 3. Bizonytalansági sávok elemzése (Ferson 2002) ( a valószínűség elmélet és az intervallum elemzés együttese)

21 A bizonytalan halmazok elmélete Fuzzy set theory (L.Zadeh 1978) Előnyök: - Szemi-kvantitatív és kvalitatív adatok értékelését teszi lehetővé -Tagságfüggvényekkel leírhatók a bizonytalanságok és a halmazok átfedései - Fuzzy aritmetika könnyen alkalmazható - Fuzzy logika módszerei (Mamdani -, Takagi-Sugeno módszerei földtudományi folyamatokra jól alkalmazhatók Hátrányok: - Nem veszi figyelembe a korrelációk hatását - Sok változó esetén túlzottan megnő a bizonytalanság

22 További módszerek Neurális hálózatok (Hebb 1949) Neuro-fuzzy hálózatok(fullér 2000) Alakzat felmérőés leírómódszerek (kernelek, copulák, számítógépes alakzat felismerő rendszerek)

23 Geometriai jellegűmódszerek 1. Fraktálok (ismétlődőalak azonosság) pl. töréses tektonikai értékelésre jól használhatók 2. Nem-lineáris térképezés (non-linear mapping) térbeli tulajdonságok összehasonlítására 3. Matrix operációk 4. Konvolúció, dekonvolúció (több változóegyüttes értékelésére) 5. Hálózat (grid) alapú módszerek 6. Orientációelemzés (tektonikai jelenségek étékelésére)

24 Idősorok elemzése Amplitudó, periódus, hullámhossz, fázisszög Fourier elemzés, periodogramok Stacionárius idősorok, ergodikus és nemergodikus folyamatok Filterek és simítók A természetben kevés folyamat tisztán periódusos!

25 Térben irányított tulajdonságok elemzése 1. Trend- felület elemzés 2. Vektor mező elemzés (egységvektorok) 3. Sztereogramok, pólus eloszlás diagramok

26 Főalkalmazási lehetőségek 1. Nyersanyagkutatás, ásványvagyon számítás (szilárd és szénhidrogén -) kutatási optimum meghatározása 2. Geofizikai kutatások (a kiértékelés inverz módszerei integrál egyenletek és linearizálással) Dobróka M., Fancsik T., Steiner F. 3. Bányászat, bányaföldtan (mennyiség/minőség diagramok, optimális depletion-rate meghatározása) 4. Természeti veszélyforrások előre jelzése (vulkáni kitörések, földrengések, cunamik, földcsuszamlások stb.)

27 Folytatás 4. Környezetvédelem (pl. talajvíz szennyezések) 5. Hulladék elhelyezés (közületi, toxikus, radioaktív) 6. Geotechnikai feladatok (mélyépítés, alagutak stb.) 7. Meteorológia és klimatikus alkalmazások 8. Hidrológia (vízkészletek felmérése, árvizek előrejelzése)

28 Kockázat elemzés elvi sémája 1. Döntés cselekvésről 2. Lehetséges kimenetelek meghatározása 3. A kimentelek valószínűségének kiszámítása 4. A kimenetelek következményeinek meghatározása: tipus és nagyság

29 Kockázat elemzés problémái Kimenetelek valószínűsége bizonytalan Következményeknagysága is bizonytalan (kiütőés szélső értékek figyelembe vétele gyakran elmaradt) Érzékenység elemzés (sensitivity analysis) fontossága Biztonság- elemzések (radioaktív hulladék elhelyezéshez) (safety assessments),hagyományos módszerek: worst case analysis, új megközelítések: fuzzy és hibrid módszerek Mindezek eddig főleg csak szakértői becsléssel készültek! Nem elégséges: pl. Mexikói öböl kőolaj katasztrófája!

30 4. A matematikai alkalmazások optimális sorrendje 1. Reprezentativ mintavétel 2. Modell alkotás és ellenőrzés (cross validation) 3. Számítógépes adatbázisok kialakítása ( relational databases ) 4. Az alkalmazandómatematikai módszerek kiválasztása

31 Folytatás 4. A mérettartomány hatás értékelése scaling factor, (térbeli: globális-, regionális-, lokális-, mikro-, nanoidőbeli: másodperc,perc,óra, nap, év, millió év) 5. Az eredmények bizonytalanságának kiszámítása (főként nem-valószínűségi módszerek) 6. Döntések esetében kockázat elemzés 7. Jelentés készítés ( a szakértői vélemény expert s opinion értékelése)átláthatóság, alternatív lehetőségek bemutatása

32 Következtetések Sikeres alkalmazásokhoz földtudományi szakemberek és matematikusok együttműködése szükséges A szakértői vélemény egymagában többnyire nem nyujt elégséges biztonságot (pl. Mexikói-öböl kőolaj katasztrófa) Célszerűtöbb módszert alkalmazni, mert többnyire kiegészítik egymást. Valós eredmények alapja a megbízható földtudományi modell alkotás