Содержание к диссертации
Введение
Глава I. Состояние компьютерных технологий обработки геофизических данных 7
1.1 .Компьютерные технологии обработки и комплексного анализа геофизических данных. 9
1.2. Компьютерная система «КОСКАД 3D» 10
Глава II. Компьютерная технология оценки статистических, спектрально- корреляционных и градиентных характеристик данных глубинной сейсморазведки 21
2.1. Особенности оценки статистических характеристик полей сейсмических параметров 22
2.2. Особенности интерпретации статистических характеристик полей сейсмических параметров 30
2.3. Оценка градиентных характеристик полей сейсмических параметров и особенности их интерпретации 34
2.5.Примеры оценки статистических и градиентных характеристик данных глубинной сейсморазведки 44
Глава III. Методика обработки данных глубинной сейсморазведки с использованием методов адаптивной оптимальной фильтрации и межтрассовой корреляции 51
3.1.Принципы построения адаптивных фильтров 53
3.2. Алгоритм адаптивной межтрассовой корреляции 59
3.4. Примеры обработки данных глубинной сейсморазведки с использованием методов адаптивной фильтрации 69
Глава IV. Обработка данных глубинной сейсморазведки с использованием алгоритмов классификации 75
4.1.Краткое описание классификационных алгоритмов компьютерной системы «КОСКАД 3D» 76
4.1.1.Метод динамических сгущений (к средних) 76
4.1.2. Алгоритм разделения многомерно нормальных смесей (По Петрову
А.В.) 79
4.1.3. Алгоритм классификации методом общего расстояния 80
4.1.4.Знаковая классификация 81
4.2. Содержание третьего этапа обработки данных глубиной
сейсморазведки с использованием алгоритмов классификации 82
4.3.Примеры обработки данных глубинной сейсморазведки с использованием
классификационных алгоритмов 86
Заключение 99
Список литературы 101
- Компьютерная система «КОСКАД 3D»
- Особенности интерпретации статистических характеристик полей сейсмических параметров
- Примеры обработки данных глубинной сейсморазведки с использованием методов адаптивной фильтрации
- Алгоритм классификации методом общего расстояния
Компьютерная система «КОСКАД 3D»
Изучение глубинного строения территории России - одна из приоритетных задач сегодняшней геологической службы Российской Федерации. В настоящее время с этой целью создается государственная сеть опорных региональных профилей, параметрических и сверхглубоких скважин для дальнейшего использования полученной информации о строении недр широким кругом недропользователей. Работы направлены на решение крупных проблем в области изучения литосферы, геологического картирования, оценки перспектив и разработки глубинных критериев поиска месторождений полезных ископаемых, обоснования границ континентального шельфа России, оценки и предупреждения сейсмической опасности и геоэкологического мониторинга среды. Главная цель проводимых исследований - построение согласованных, по различным геофизическим методам, физико-геологических и геодинамических моделей исследуемых территорий.
Естественно, что важнейшим и наиболее информативным геофизическим методом, лежащим в основе проводимых исследований литосферы, является глубинная сейсморазведка различных модификаций. К сожалению, проведение глубинных сейсмических исследований подобного характера встречает ряд трудностей, связанных с отсутствием достаточного опыта решения такого рода уникальных задач, как в России, так и за рубежом. При этом можно выделить две основные группы возникающих вопросов. Первые связаны с методическими трудностями проведения и первичной обработки сейсмических наблюдений, вторые с интерпретацией и геологическим истолкованием полученных полевых наблюдений.
Очевидно, что для получения наиболее информативных и качественных конечных результатов интерпретации, необходим интегрированный подход, который сводится к совместному использованию не только широко известных способов обработки и интерпретации данных сейсморазведки, но и новых, современных и нестандартных подходов. К их числу можно отнести методы вероятностно-статистического анализа геофизической информации, хорошо зарекомендовавшие себя при интерпретации данных рудной геофизики, а также в процессе обработки и интерпретации данных потенциальных полей.
Под вероятностно-статическим подходом к процессу обработки и интерпретации данных геолого-геофизических наблюдений сегодня понимается широкий спектр методов и алгоритмов, базирующихся на таких разделах математики [74,76,80], как: -теория вероятностей и математическая статистика; -регрессионный, дисперсионный, факторный и компонентный анализ; -спектрально-корреляционный анализ; -теория случайных процессов и теория информации; -кластер анализ и теория распознавания образов; -оптимальная линейная фильтрация; -статистическая теория обнаружения слабых сигналов.
Наряду с перечисленными выше и считающимися уже классическими разделами математики, сегодня успешно внедряются в практику обработки геоданных такие современные достижения в области математики, как фрактальные преобразования, элементы вейвлет-анализа, нейронные сети и т.д.
Необходимо отметить, что с помощью перечисленного выше математического аппарата разработано и продолжает разрабатываться в настоящее время огромное число компьютерных технологий, успешно применяемых в самых различных прикладных областях. Таким образом, создание новых приемов обработки геолого-геофизической информации, наряду с совершенствованием методов детерминистского подхода, базирующегося на теории поля, решении некорректных задач и уравнений математической физики, является вполне логичным и позволяет повысить эффективность интерпретации в целом, увеличить объем полезной для интерпретатора информации, содержащейся в исходных наблюдениях. Естественно, что одним из условий эффективного применения методов и алгоритмов, использующих различные разделы математики в определенной прикладной области, является детальный учет свойственной этой области особенностей, без чего использование математического аппарата приводит к заведомо отрицательным результатам.
К сожалению, в последнее время доля российских разработок на мировом рынке компьютерных технологий в области геологических исследований значительно уменьшилась. Прежде всего, это относится к областям, где традиционно наблюдалось отставание - разработке геоинформационных систем и глобальных баз данных, картографических систем и средств визуализации.
.Компьютерные технологии обработки и комплексного анализа геофизических данных. Среди современных компьютерных технологий обработка геофизических данных выделяются, прежде всего, технологии обработки данных отдельных геофизических методов. Для обработки данных отдельных сейсмической информации используются отечественные системы ЦГЭ: СЦС 3 с версией для DOS -SDS PC, для WINDOWS -SPS и система СЦС 5 для UNIX - СЦС -5-2D.
Однако, в настоящее время, большинство сейсмических организаций работает с зарубежными системами:
Promax - фирмы Halliburton, объединившей фирмы Advance Geophisical и LandMark (США). Focus - международной компании Paradigm Geophysical LTD (США). Integral Plus -фирмы CGG (Франция).
Для совместной интерпретации данных сейсморазведки и геофизических исследований скважин используются несколько систем фирмы Shlumberger, а также отечественные системы ИНТЕГРАН (ВнииГеоСистем, Каплан С.А.), ЛМРМ.-КОЛЛЕКТОР (ВнииГеофизика Г.Е.Руденко), ГЕММА (ЦГЭ, Чуринова И.М.) [112].
Однако все указанные выше системы не предназначены специально для обработки данных глубинной сейсморазведки и с их помощью осуществляется первичная обработка, направленная на построение временных, скоростных, отчасти динамических разрезов.
Сейсморазведочная информации лежит в основе компьютерных систем комплексной интерпретации данных сейсморазведки и гравиразведки GCIS -(Ухтинский Государственный университет, Кобрунов А.И.), сейсморазведки и электроразведки методов ЗСБ - система СЭВР (НВНИИГГ, Н.П.Смилевец).
Компьютерная технология комплексной интерпретации данных сейсморазведки МОВ-ОГТ и КМПВ-ГСЗ, МТЗ-АМТЗ и потенциальных полей ГИС-ИНТЕГРО-ГЕОФИЗИКА, ориентированная на изучения земной коры по региональным профилям, создается в лаборатории геоинформатики ВНИИГеосистем (Е.Н. Черемисина) [111].
Компьютерная технология комплексной интерпретации данных комбинированной сейсморазведки, включающей МОВ - ОГТ и КМПВ - ГСЗ и обеспечивающей сочетание близвертикального и широкоугольного изучения земной коры на всю ее мощность создана в ФГУ ГНПП «СпецГеофизика» (Р.Г.Берзин) [11].
Перечисленные компьютерные технологии предоставляют
исследователю широчайший спектр средств для обработки и интерпретации сейсморазведочной информации. Но, для использования в обработке и интерпретации геоданных методов вероятностно-статистического подхода, ведущее место сегодня занимает компьютерная система «КОСКАД 3D», созданная в Московском Государственном геологоразведочном университете (А.А.Никитин, А.В .Петров) [79].
Особенности интерпретации статистических характеристик полей сейсмических параметров
Анализ модельных примеров и опыт обработки большого количества реальных наблюдений позволяет сделать следующие выводы, которые необходимо учитывать при интерпретации полей градиентных характеристик. -границы сигналов отмечаются экстремумами в полях градиентов характеристик; -в полях градиентных характеристик экстремумами, отмечаются границы сигналов различных амплитуд, что позволяет при визуализации увидеть одновременно контуры сигналов различной амплитуды; -поле направления полного градиента позволяет оценить простирание сигнала в каждой точке сейсмического разреза, а контрастные переходы, от минимальных значений к максимальным значениям, контролируют положение осей полезного сигнала;
Содержание первого этапа обработки данных глубинной сейсморазведки с использованием методов оценки спектрально-корреляционных, статистических и градиентных характеристик.
Основной задачей, которая решается в данной главе является построение рационального и наиболее эффективного графа обработки, реализующего первый этап компьютерной технологии обработки данных глубинной сейсморазведки методами вероятностно-статистического подхода. Главная цель данного этапа - оценка и анализ статистических, спектрально-корреляционных и градиентных характеристик глубинного сейсмического разреза.
Данный этап, с одной стороны, можно считать предварительным, то есть направленным в основном на анализ исходной сейсмической информации с целью корректного применения алгоритмов, входящих в состав последующих этапов обработки. С другой стороны, на этом этапе вычисляется ряд характеристик сейсмического разреза, в которых содержится информация, полезная при решении непосредственно интерпретационных задач - оконтуривания однородных по энергии сигнала областей сейсмического разреза, прослеживания границ нарушения стационарности, в большей части приуроченных к тектоническим и другим структурным нарушениям различного простирания.
Компьютерная система «КОСКАД 3D» включает широкий спектр модулей, предназначенных для оценки статистических, спектрально 38 корреляционных и градиентных характеристик геополей. Оценки статистических параметров можно осуществлять как для всего сейсмического разреза, так и для отдельных трасс на профиле, в скользящих окнах фиксированного и изменяющегося, в соответствии с изменением спектрально-корреляционных характеристик, размера. Возможна оценка характеристик в одномерных, двумерных и трехмерных скользящих окнах. Модули, реализующие оценки корреляционных характеристик, позволяют рассчитать корреляционные функции вдоль отдельных трасс, двумерные автокорреляционные функции по всему сейсмическому разрезу, взаимнокорреляционные функции между соседними трассами, трехмерные автокорреляционные функции для оценки корреляционных связей в пространстве при обработке 3D данных.
Опыт обработки и интерпретации достаточно представительного материала данных глубинной сейсморазведки, включающего региональные профиля Урал-Сейс, 1-ЕВ, 4-В и ряда профилей в Архангельской области, позволил выработать оптимальный граф обработки полей сейсмических параметров применительно к данным глубинной сейсморазведки. Опробование всех алгоритмов, входящих в компьютерную систему «КОСКАД 3D», показало эффективность их использования. Необходимо отметить, что в предлагаемый граф обработки, реализующий первый этап, включались лишь алгоритмы, характеризующиеся стабильными результатами при обработке всех перечисленных выше сейсмических профилей. Это позволяет сделать вывод об эффективности их использования для обработки данных глубинной сейсморазведки в целом.
Среди алгоритмов, входящих в первый этап обработки, можно выделить две группы по их назначению. Первая группа содержит алгоритмы, результат работы которых используется на последующих этапах. Во вторую группу входят алгоритмы, позволяющие решать определенные содержательные задачи обработки и интерпретации данных глубинной сейсморазведки. Для получения детальной информации об особенностях конкретного сейсмического разреза необходимо провести расчет и анализ следующих статистических и спектрально корреляционных характеристик.
С целью оценки статистических характеристик необходимо использовать модуль «Статистические характеристики фрагмента поля» из раздела «Статистика». В результате работы данного модуля формируется таблица, содержащая оценки среднего, дисперсии, асимметрии, эксцесса, радиуса корреляции, медианы, размаха. При этом оценки этих характеристик осуществляются для всего сейсмического разреза и каждой отдельной трассы. Для получения оценок по каждой трассе необходимо перед использованием данного модуля развернуть разрез таким образом, чтобы профиль располагался в базе данных по трассам. То есть первая строка в базе данных - первая трасса разреза, далее следует вторая трасса и т.д.
Для оценки корреляционных характеристик сейсмического разреза используются модули «Автокорреляционная функция» и «Двумерная автокорреляционная функция» из раздела «Статистика», при этом ориентация трасс для расчета автокорреляционной функции должна быть такой же, как и в случае оценки статистических характеристик. Результаты расчета корреляционных характеристик позволяют оценить и проанализировать характер изменения этих параметров по всему разрезу, а также используются в дальнейшем при выборе параметров оптимальных линейных фильтров.
Для оценки изменения корреляционных связей между отдельными трассами весьма эффективной является оценка взаимнокорреляционной функции между соседними трассами сейсмического профиля, расчет которой также является обязательным на первом этапе обработки.
Примеры обработки данных глубинной сейсморазведки с использованием методов адаптивной фильтрации
В компьютерной системе «КОСК АД 3D» первоначально ориентированной на обработку данных рудной геофизики, в течении более 20-ти лет основное внимание уделялось реализации оптимальных фильтров исключительно во временной области. За этот период был накоплен огромный опыт построения фильтров во временной области и их практического использования.
Сегодня в состав системы «КОСКАД 3D» включены разнообразные одномерные, двумерные и трехмерные фильтры, адаптированные к изменению корреляционных свойств геофизической информации и учитывающие широкий спектр ее особенностей.
Среди реализованных в системе «КОСКАД 3D» одно, двух и трехмерных фильтров можно выделить две основные группы: -неадаптивные (обычные), которые не учитывают изменения стационарности процесса и обычно реализуются с использованием скользящих окон фиксированного размера; -адаптивные, построенные с учетом изменения весовых коэффициентов фильтра в соответствии с изменением спектрально-корреляционных характеристик исходных данных [83,84];
Предлагаемые ниже алгоритмы адаптивной фильтрации в окне «живой формы» [87] наиболее эффективно обеспечивают обработку исходных данных в условиях их нестационарности. ЗЛ.Принципы построения адаптивных фильтров. Использование широкого спектра линейных оптимальных фильтров позволяет осуществлять самые разнообразные преобразования с исходными данными. При этом эффективность использования каждого из них требует знания предметной области и четкой формулировки решаемой с его помощью задачи. При обработке данных разных геофизических методов важным является задача выбора определенной комбинации фильтров, последовательности их применения в процессе интерпретации и корректного выбора параметров фильтра. Одной из задач диссертационной работы является построение наиболее эффективной технологии обработки и интерпретации данных глубинной сейсморазведки с использованием алгоритмов оптимальной линейной фильтрации во временной области.
Без ограничения общности, для одномерного случая, коротко рассмотрим существо неадаптивных (обычных) и адаптивных оптимальных фильтров, их достоинства и недостатки.
Алгоритм построения неадаптивного одномерного варианта любого оптимального фильтра обычно сводится к следующей схеме: -вдоль отдельной сейсмической трассы рассчитывается автокорреляционная функция Щт) и спектр S(w); -анализируется автокорреляционная функция Щт) и по радиусу корреляции выбирается ширина фильтра; -в зависимости от критерия оптимальности фильтра, на основе имеющейся информации о спектральных или корреляционных характеристиках полезного сигнала и помехи, или на основе оценок этих параметров, полученных с использованием наблюдений на трассе, вычисляются весовые коэффициенты фильтра ht\ -осуществляется свертка исходных значений на трассе ft с весовыми коэффициентами фильтра ht в скользящем вдоль трассы окне;
Таким образом, основные характеристики одномерного фильтра во временной области, то есть его весовые коэффициенты и ширина фильтра, рассчитываются обычно один раз для всей сейсмической трассы или в лучшем случае изменяются два-три раза. При этом в условиях нестационарности данных на сейсмической трассе оценка корреляционной функции не является состоятельной и весовые коэффициенты фильтра hh вычисленные на ее основе, не обеспечат оптимальность обработки. В то же время, если наблюдения вдоль отдельных трасс еще можно считать стационарными в пределах одной секунды, то относительно всего сейсмического разреза это требование явно не выполняется и, как следствие, при построении двумерных фильтров, проблема построения адаптивных фильтров приобретает особое значение.
Рассмотрим принципы построения алгоритма адаптивной одномерной фильтрации, позволяющей оптимальным образом оценить параметры полезных сигналов по трассе с различными спектрально-корреляционными характеристиками. Как и для неадаптивной (обычной) фильтрации, сначала рассчитывается автокорреляционная функция R(m) по всей сейсмической трассе. Далее, по радиусу корреляции выбирается размер так называемого «базового окна» адаптивного фильтра. Затем для каждого отсчета на трассе, в окрестностях базового окна фильтрации, осуществляется процедура обычной фильтрации. В пределах того же «базового окна» вновь рассчитывается автокорреляционная функция R(m), определяются ширина и весовые коэффициенты определенного типа оптимального фильтра, осуществляется свертка исходных данных с весовыми коэффициентами фильтра. Результат свертки относится к центральной точке базового окна, затем базовое окно сдвигается на один отсчет вдоль трассы и описанная выше процедура повторяется. Таким образом, при адаптивной энергетической фильтрации для каждой точки по трассе выбираются свои собственные параметры фильтра, а именно, ширина окна и весовые коэффициенты конкретного фильтра. Рассмотренный алгоритм одномерной адаптивной фильтрации, легко модифицируется на двумерный и трехмерный случай, используя в приведенных выше рассуждениях вместо автокорреляционной функции R(m) соответственно двухмерную автокорреляционную D(m,p) или трехмерную автокорреляционную функцию Т(т,р,1). Необходимо отметить, что при двумерной фильтрации, кроме размеров окна в каждой анализируемой точке, изменяется и еще один важный параметр - наклон окна. При этом наклон окна выбирается таким образом, чтобы окно фильтрации было ориентировано вдоль корреляционного направления в окрестностях базового окна. Оценка корреляционного направления осуществляется на основе анализа структуры двумерной автокорреляционной функции D(m,p), рассчитанной в окрестностях базового окна для каждой анализируемой точки. При трехмерной фильтрации аналогичным образом определяется второй наклон трехмерного окна фильтрации, на основе анализа структуры Т(т,р,1).
Предложенный подход позволяет настраивать параметры фильтра на изменения спектрально-корреляционных характеристик вдоль сейсмической трассы в одномерном случае, в плоскости сейсмического разреза в двумерном случае и, наконец, в пространстве (x,y,t) в трехмерном случае.
Применение алгоритмов одномерной, двумерной и трехмерной адаптивной фильтрации при обработке нестационарных, по спектрально-корреляционным характеристикам полей сейсмических параметров, показало их преимущества по сравнению со стандартными методами фильтрации во временной области. Но в процессе обработки большого количества реальных наблюдений, как сейсмических, так и данных рудной геофизики, удалось усовершенствовать предложенный адаптивный подход, сделав его более эффективным при обработке сейсмической информации.
Существенным недостатком адаптивной фильтрации является тот факт, что при свертке данных, попадающих в скользящее окно, параметры которого выбираются в окрестностях каждой точки поля с весовыми коэффициентами фильтра, не учитывается корреляционная связь между значениями поля, участвующими в свертке со значением в точке, к которой относится результат (центральной точке окна фильтрации). Так, наличие значений в окрестностях окна фильтрации, участвующих в свертке и некоррелируемых со значениями в центральной точке, к которой относится результат свертки, приводит к искажению окончательного результата свертки практически при любых значениях весовых коэффициентов фильтра. Этот недостаток особенно очевиден, когда в окно фильтрации попадают «ураганные» значения или значения с отрицательной корреляцией со значением в центральной точке окна фильтрации. Ниже рассматривается особенности алгоритма, получившего название фильтрации в окне «живой формы» и позволяющего исключить, приведенный выше недостаток адаптивных приемов фильтрации во временной области.
Алгоритм классификации методом общего расстояния
Содержание третьего этапа обработки данных глубиной сейсморазведки с использованием алгоритмов классификации. Решение основной задачи третьего этапа, рассматриваемой в работе технологии (разбиении исходного разреза сейсмического параметра на однородные области по энергии и характеристикам, полученным на предшествующих этапах обработки) базируется на использовании классификационных алгоритмов системы «КОСКАД 3D».
Очевидно, что результат применения математического аппарата кластер анализа существенным образом зависит от специфики области его применения и корректной постановки решаемой с его помощью задачи. Для иллюстрации работы классификационных алгоритмов, при анализе сейсмической информации, рассмотрим пример разбиения данных вдоль отдельной сейсмической трассы, по одному признаку, с использованием алгоритма k-средних и конечном числе классов, равном 9 (рис.4.1) .
Как следует из рисунка, в процессе классификации происходит дискретизация значений на сейсмотрассе, то есть проецирование множества значений непрерывной величины на конечное число (9) наиболее близких значений. Это позволяет выделить однородные по значению признака области и контрастировать существующие между ними границы.
В отличии от приведенного выше примера, при обработке реальных данных глубинной сейсморазведки, в классификации принимают участие не один, а несколько признаков. Это позволяет провести разбиение всего сейсмического разреза с учетом особенностей и содержания каждого признака и их совокупности в целом. Такое разбиение содержит объективную полезную информацию для интерпретатора, в задачах выделения положения границ, между структурными единицами, слагающими глубинный сейсмический разрез, оконтуривания геологических объектов различной природы, прослеживания мощных и слабопроявленных тектонических нарушений.
В процессе проведенных исследований, во-первых, проведен анализ возможностей разных классификационных алгоритмов компьютерной системы «КОСКАД 3D» при обработке и интерпретации данных глубинной сейсморазведки, во-вторых, решена задача выбора наиболее эффективного для классификации набора признаков. Опробование алгоритмов классификации компьютерной системы «КОСКАД 3D » на данных глубинной сейсморазведки показало, что все четыре алгоритма дают эффективные результаты. При этом алгоритм знаковой классификации дает слабо дифференцированное разбиение сейсмического разреза, что позволяет использовать результаты его работы для оценки параметров наиболее крупных геологических объектов. Алгоритм разделения многомерных, нормальных смесей наоборот чувствителен к локальным многопризнаковым неоднородностям в сейсмическом разрезе. Методы общего расстояния и динамических сгущений занимают промежуточное положение, по степени дифференциации окончательных результатов. В целом же все алгоритмы классификации дают непротиворечивые результаты, которые лишь дополняют друг друга. Получение согласованных результатов по нескольким, базирующимся на разных подходах алгоритмам, свидетельствует об объективности применения классификационных методов и является подтверждением высокого качества обработки.
Как следует из описания алгоритмов, они разделяются по способам определения конечного числа классов. Так, в алгоритме разделения общего расстояния, конечное число классов определятся автоматически, в алгоритме разделения многомерных, нормальных смесей конечное число классов определяется как автоматически, так и может быть задаваться интерпретатором. Метод k-средних требует задания конечного числа классов. И, наконец, в результате работы алгоритма знаковой классификации конечное число классов 2Р жестко определяется количеством анализируемых признаков р. Как показали проведенные исследования, при выборе конечного числа классов, необходимо учитывать, что большие значения данного параметра (более 15) приводят к высокой дифференциации результатов, и делает их практически «не читаемыми».
Малые значения конечного числа классов (меньше 5) наоборот приводят к потере существенной части информации. При выборе совокупности анализируемых признаков, как показало опробование большого количества обработанного фактического материала, наиболее эффективные результаты получаются при классификации следующих комбинаций характеристик полей сейсмических параметров.
1.Классификация только по одному признаку - региональной составляющей поля сейсмического параметра, которая вычисляются на втором этапе рассматриваемой технологии. Такая классификация позволяет корректно расчленить сейсмический разрез на области различных энергий, тем самым получить информацию о распределении этого параметра по всему разрезу.
2.Классификация по региональной составляющей и градиентным характеристикам. Такая классификация позволяет разбить анализируемый разрез с учетом не только энергии сигнала, но и степени его изменения. Поскольку в полях градиентных характеристик наиболее эффективно отражаются границы областей нарушения стационарности, которые часто контролируют тектонические нарушения, то в результатах классификации, с использованием такой комбинации анализируемых признаков, выделяются классы, контролирующие однотипные тектонические дислокации.
3.Классификация по региональной составляющей и результатам, полученным с помощью алгоритма межтрассовой корреляции. Результаты разбиения по этим двум признакам можно интерпретировать как оценку распределения наиболее низкочастотных, в направлении сейсмического профиля составляющих сейсмического разреза (оси X), с одновременной детализацией, базирующейся на использовании информации содержащейся непосредственно в исходных данных.
4.Классификация по региональной составляющей, полям дисперсии и коэффициента вариации. Классификация по данным параметрам дает наилучшие результаты по оконтуриванию областей различной энергии, поскольку в полях дисперсии и коэффициента корреляции отражаются не
