Геоинформационное моделирование в задачах оценки распределения геотермальных ресурсов тема диссертации и автореферата по ВАК РФ 05.13.18, доктор технических наук Кобзаренко, Дмитрий Николаевич

  • Кобзаренко, Дмитрий Николаевич
  • доктор технических наукдоктор технических наук
  • 2011, Махачкала
  • Специальность ВАК РФ05.13.18
  • Количество страниц 307
Кобзаренко, Дмитрий Николаевич. Геоинформационное моделирование в задачах оценки распределения геотермальных ресурсов: дис. доктор технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Махачкала. 2011. 307 с.

Оглавление диссертации доктор технических наук Кобзаренко, Дмитрий Николаевич

СПИСОК АББРЕВИАТУР.

ВВЕДЕНИЕ.

ГЛАВА 1. ГЕОИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ В ПРОГНОЗНЫХ ЗАДАЧАХ ВОЗОБНОВЛЯЕМОЙ ЭНЕРГЕТИКИ.

1.1. Перспективы развития возобновляемой энергетики.

1.2. Геотермальная энергетика.

1.3. Использование геоинформационного моделирования в прогнозных задачах возобновляемой энергетики.

1.4. Обзор современных геоинформационных систем и технологий.

1.5. Концепция построения системы трехмерного геоинформационного моделирования (СТГМ).

ГЛАВА 2. СИСТЕМА ОРГАНИЗАЦИИ ДАННЫХ В СТГМ.

2.1. Общая классификация данных СТГМ.

2.2. Формат данных проекта СТГМ. Создание проекта на основе общегеографической карты.

2.3. Типы и форматы расчетных данных СТГМ. Назначение, принципы создания, чтения и записи расчетных данных.

2.4. Оптимизация объема данных в непрерывных регулярных сетях.

2.5. Типы и форматы визуализируемых данных СТГМ. Назначение, принципы создания, чтения и записи визуализируемых данных.

ГЛАВА 3. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СТГМ.

3.1. Особенности применения классических алгоритмов вычислительной геометрии в геоинформационных технологиях.

3.2. Преобразование триангуляционной сети в непрерывную регулярную сеть.

3.3. Ускорение поиска ближайших узлов в задаче 2D интерполяции в непрерывной регулярной сети при большом объеме исходных и результирующих данных.

3.4. Обеспечение поточных вычислений на основе введенной математической формулы.

3.5. Построение трехмерной геологической модели.

3.6. Построение трехмерной модели распределения температурного поля.

ГЛАВА 4. ВОПРОСЫ ВИЗУАЛИЗАЦИИ ДАННЫХ В СТГМ.

4.1. Тесселяция картографических объектов.

4.2. Внутреннее отсечение триангуляционного объекта в плоскости XY.

4.3. Внешнее отсечение триангуляционного объекта в плоскости XY.

4.4. Построение профилей трехмерной модели.

4.5. Вывод визуализируемых данных посредством графической библиотеки OpenGL.

ГЛАВА 5. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ СТГМ.

5.1. Основная программная оболочка.

5.2. Библиотека генераторов данных.

ГЛАВА 6. ОЦЕНКА ГЕОТЕРМАЛЬНЫХ РЕСУРСОВ ДАГЕСТАНА.

6.1. Создание проекта и построение базовых моделей.

6.2. Расчет потенциальных геотермальных ресурсов.

6.3. Расчет технически доступных геотермальных ресурсов.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Геоинформационное моделирование в задачах оценки распределения геотермальных ресурсов»

Актуальность проблемы. Рациональное использование топливно-энергетических ресурсов представляет собой одну из глобальных мировых проблем, успешное решение которой будет иметь определяющее значение не только для дальнейшего развития мирового сообщества, но и для сохранения среды его обитания. Одним из перспективных путей решения этой проблемы является применение новых энергосберегающих технологий, использующих нетрадиционные возобновляемые источники энергии.

Несмотря на то, что современная энергетика в основном базируется на невозобновляемых источниках энергии (около 80% в мировом энергетическом балансе составляют нефть, газ и каменный уголь), интерес к возобновляемым источникам энергии (ВИЭ) неуклонно растет. Главными аргументами для использования ВИЭ являются высокая цена традиционного топлива, энергетическая безопасность для стран-импортеров нефти и газа и проблемы охраны окружающей среды.

В этой связи одной из важнейших научно-технических проблем народного хозяйства в энергетической отрасли является обеспечение информацией и поддержка принятия управленческих решений государственных органов в сфере планирования развития сектора энергообеспечения на основе ВИЭ. Стратегия развития энергетики для любого региона России и вовлечение ВИЭ в его энергетический баланс напрямую зависят от имеющегося потенциала, как по отдельным видам, так и по совокупности видов ВИЭ (комплексного потенциала).

Изучение неравномерностей пространственного распределения потенциала ВИЭ и выявление наиболее перспективных районов под строительство энергогенерирующих объектов в совокупности с анализом инфраструктуры в данных районах эффективно при использовании специализированных технологий геоинформационного моделирования.

В настоящее время отсутствуют исследования, посвященные вопросам применения геоинформационных технологий для выполнения пространственного моделирования потенциала возобновляемых энергоресурсов. Геоинформационные системы (ГИС) в данной предметной области используются, как правило, только для визуализации точечных результатов рассчитанных величин. Это выполняется по следующей схеме: а) рассчитываются точечные значения потенциала, б) с использованием ГИС общего назначения выполняется интерполяционное сглаживание по пространству, в) в той же ГИС общего назначения результаты визуализируются в виде карты ареалов или изолиний. Применение такой схемы оправдано при максимальной плотности исходных точечных данных, которая может быть обеспечена лишь на мелких масштабах. При работе со средними и крупными масштабами необходим другой подход. Подход, в рамках которого будут учитываться различия в плотности исходных данных параметров, влияющих на значение потенциала источников возобновляемых энергоресурсов, и каждый параметр будет рассмотрен отдельно в процессе иерархического решения поставленных задач.

Цель работы. Разработка информационных технологий и программного обеспечения геоинформационного моделирования для решения задач оценки пространственного распределения возобновляемых энергоресурсов и определения пространственного распределения плотности геотермальных ресурсов Дагестана.

Достижение поставленной цели обеспечивается решением в диссертационной работе следующих крупных задач:

• разработать основу построения специализированной системы трехмерного геоинформационного моделирования (СТГМ);

• разработать систему организации данных в СТГМ;

• разработать функциональные модули и модули визуализации данных в СТГМ;

• разработать алгоритмическое и программное обеспечение СТГМ;

• выполнить моделирование пространственного распределения плотности геотермальных ресурсов Дагестана.

Объектом исследования являются геотермальные энергоресурсы Республики Дагестан (пространственное распределение потенциала).

Предметом исследования являются теоретические и методологические основы разработки и применения геоинформационных технологий для построения карт пространственного распределения возобновляемых энергоресурсов.

Научная новизна. Предложены новые принципы построения и новые технологии программно-алгоритмической реализации специализированной системы трехмерного геоинформационного моделирования для решения задач комплексной оценки возобновляемых ресурсов. Впервые с применением геоинформационных технологий построены: трехмерная модель температурного поля (до 5000м), трехмерная геологическая модель, модель распределения плотности потенциальных геотермальных ресурсов (до 3000м и 5000м) и технически доступных геотермальных ресурсов для горячего водоснабжения и отопления.

К основным результатам, составляющим научную новизну, можно отнести следующие:

1. Предложенные принципы построения системы трехмерного геоинформационного моделирования в отличие от известных систем, в совокупности, предусматривают следующее: а) разложение задач, решаемых в системе, на подзадачи и последовательное их выполнение с помощью имеющегося набора функциональных модулей и унифицированных типов структур данных (принцип гибкости системы и унификации структур данных); б) визуализацию данных на всех промежуточных стадиях решения задачи (принцип контроля и своевременной коррекции данных или методик в случае неудовлетворительных промежуточных результатов в решении задачи); в) обеспечение возможности адаптации системы к решению новых задач путем разработки и добавления новых функциональных модулей (принцип открытости и адаптации системы к новым задачам). Это в целом позволяет решать сложные задачи, связанные с пространственным моделированием распределения потенциала возобновляемых энергоресурсов.

2. В рамках концепции построения системы трехмерного геоинформационного моделирования введен принцип разделения данных на расчетные и визуализируемые. Такое разделение не предусматривается в современных системах. Однако это позволяет, с одной стороны, повысить скорость и качество визуализации (наиболее важного аспекта трехмерной геоинформационной системы), с другой -придает системе высокую гибкость с большей степенью универсальности.

3. В рамках концепции построения системы трехмерного геоинформационного моделирования введен механизм истории данных, который в отличие от традиционных форматов позволяет ответить на следующие вопросы относительно файла текущей структуры данных: что смоделировано, какие данные и какая методика вложены в модель?

4. Предложен способ оптимизации данных вещественной регулярной сети, который в 4 раза сокращает объем памяти, что увеличивает возможности геоинформационного моделирования на регулярных сетях, поскольку эти возможности всегда зависят от вычислительных ресурсов используемого компьютера.

5. Решена проблема повышения точности определения наличия пересечения двух отрезков в программной реализации стандартного алгоритма решения задачи из вычислительной геометрии. Модификация стандартного алгоритма исключает операцию деления, из-за которой возникает данная проблема.

6. Определены и исследованы некорректности стандартного алгоритма проверки принадлежности точки полигону из вычислительной геометрии и предложена модификация данного алгоритма, что позволяет получить алгоритм более эффективный как с точки зрения объема программного кода, так и с точки зрения увеличения скорости выполнения (15%).

7. Предложена методика ускорения поиска ближайших узлов в трудоемкой задаче двумерной интерполяции на непрерывной регулярной сети при большом объеме исходных и результирующих данных, позволяющая достигать двухкратной экономии времени, затрачиваемом на выполнение интерполяции, по сравнению с аналогами.

Основные положения, выносимые на защиту:

1. Предложена концепция построения специализированной системы трехмерного геоинформационного моделирования для решения задач, связанных с оценкой распределения возобновляемых ресурсов.

2. Разработан набор программного обеспечения функциональных модулей, позволяющий проводить геоинформационное моделирование распределения плотности геотермальных ресурсов.

3. С применением предложенных геоинформационных технологий построены модели: а) трехмерного геологического строения земной коры Дагестана, б) трехмерного температурного поля (до 5000м), в) распределения общих потенциальных геотермальных ресурсов Дагестана (до глубин 3000м и 5000м), г) распределения технически доступных геотермальных ресурсов для режима 70/20°С (горячее водоснабжение) и для режима 90/40°С (отопление).

4. Предложен способ оптимизации объема данных в вещественной регулярной сети путем замены восьмибайтовых (вещественных) значений в ее узлах на формальные беззнаковые двухбайтовые целые числа с учетом двух коэффициентов преобразования, позволяющий в 4 раза сократить объем памяти, необходимой для хранения сети, что увеличивает возможности геоинформационного моделирования на регулярных сетях в режиме ЗБ.

Практическая значимость;

1. Разработанные технологии геоинформационного моделирования, реализованные в виде системы трехмерного геоинформационного моделирования, позволяют решать задачи по оценке пространственного распределения возобновляемых энергоресурсов и наглядно представлять полученные результаты.

2. Разработанная концепция построения системы трехмерного геоинформационного моделирования, объединяющая принципы организации структур данных, механизмы их обработки и систему трехмерной визуализации, может быть использована в других областях (геология, геофизика, геоэкология и др.), для чего необходимо изменить набор функциональных модулей под решение конкретных задач.

3. Разработанная система трехмерного геоинформационного моделирования может быть задействована в учебном процессе для наглядной демонстрации геоструктур и геополей в рамках изучаемых учебных дисциплин.

Достоверность и обоснованность диссертационных исследований подтверждается корректным применением существующих математических моделей оценки геотермальных ресурсов, использованием достоверных архивных данных по скважинам глубокого бурения и данных метеослужб, а также совпадением полученных результатов моделирования с результатами других авторов.

Реализация результатов работы:

Система трехмерного геоинформационного моделирования» принята для внедрения в ОАО ТЭК «Геотермнефтегаз» и с ее помощью выполняется геоинформационное моделирование распределения потенциала геотермальных ресурсов Дагестана.

Апробация работы. Основные научные положения и результаты работы докладывались и получили одобрение на следующих конференциях: Второй международной конференции «ГИС в геологии», Москва, Государственный геологический музей им.Вернадского РАН, 15-19 ноября 2004г.; Международной научной конференции «Проблемы водных ресурсов, геотермии и геоэкологии», Минск, Институт геохимии и геофизики HAH Беларуси, 1-3 июня 2005г.; Международной конференции «Возобновляемая энергетика: проблемы и перспективы», Махачкала, Институт проблем геотермии Дагестанского НЦ РАН, 19-22 сентября 2005г.; Симпозиуме №2 международного проекта Евросоюза по возобновляемой энергетике ENGINE «Exploring high-temperature reservoirs: new challenges for geothermal energy», Вольтера, Италия, 1-4 апреля 2007г.; Международной конференции и в дискуссионном клубе «Информационные технологии в науке, социологии, экономике и бизнесе», Украина, Крым, Ялта-Гурзуф, 20-30 мая 2007г.; Заключительной конференции международного проекта Евросоюза по возобновляемой энергетике ENGINE, Вильнюс, Литва, 12-15 февраля 2008г.; Шестой всероссийской научной молодежной школы «Возобновляемые источники энергии», Москва, МГУ им.Ломоносова, 25-27 ноября 2008г.; 2-й международной конференции «Возобновляемая энергетика: проблемы и перспективы», Махачкала, Институт проблем геотермии Дагестанского НЦ РАН, 27-30 сентября 2010г.

Публикации. По теме диссертации опубликованы 39 научных работ, в том числе 1 монография и 11 работ в периодических изданиях, входящих в перечень ВАК.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, заключения, списка литературы (171 наименований) и приложений. Работа изложена на 306 страницах машинописного текста, содержит 96 рисунков и 16 таблиц.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Кобзаренко, Дмитрий Николаевич

Результаты работы алгоритмов получения первого и последнего элементов выборки

Входные данные Результат

X Y First Second Тип операции

1 1 50 0 12 Start 0

2 2 16 0 12 Start 2

3 5 11 0 12 Start 6

4 20 1 0 12 Start 13*

5 3 10 7 10 Start 7

6 5 16 0 12 Finish 5

7 6 10 0 12 Finish 7

8 0 30 0 12 Finish -1*

9 2 40 0 12 Finish 3

10 2 40 5 10 Finish 4* - при поиске позиции Start, если ни один элемент не удовлетворяет условию X, У, то результат равен Second + /; при поиске позиции Finish, если ни один элемент не удовлетворяет условию X, У, то результат равен First - 1

Структура данных выборки. Прежде чем перейти к описанию структуры данных выборки, дадим пояснение поиску ближайшего соседа по волне окружности. Поиск инициируется окружностью с начальным значением радиуса R = R0 (рис.3.10). Начальному радиусу ставится в соответствие начальный шаг поиска Step = 0. Далее окружность поиска растет со значениями радиусов R = Ro * 2 (при Step = 1), R = R0 * 3 (при Step = 2), ., R = R0* (N+l) (при Step = N). - единственное отличие алгоритмов для первого и последнего элементов в блоке 11 Pos = Mm - для первого элемента Start, Pos = Max - для последнего элемента Finish 14 Конец

Рис.3.9. Блок-схема алгоритма получения первого и последнего элементов выборки из массива исходных узлов

Структура данных выборки динамически создается при переходе к интерполяции в узлах очередного столбца регулярной сети с координатой Х0 и разрушается по выполнению интерполяции для всех узлов этого столбца. Структура данных состоит из следующих элементов: Хо - координата текущего столбца регулярной сети; R0 - начальное значение радиуса поиска; Pos - массив элементов типа TPos; Count - количество элементов в массиве Pos. Тип TPos представляет собой запись для хранения данных, соответствующих очередному шагу испускания волны поиска Step. Запись состоит из следующих элементов: Start - ссылка на первый элемент выборки из массива исходных узлов; Finish - ссылка на последний элемент выборки из массива исходных узлов; Active - переменная логического типа, которая принимает значение «истина», если из массива исходных узлов выбраны один или более элементов; R - значение радиуса при данном шаге.

Работа со структурой данных происходит следующим образом. Посылается запрос на получение Start, Finish, R и Active для текущего шага поиска Step. Делается проверка на наличие данных для данного шага. Эти данные рассчитываются в случае их отсутствия с сохранением результата. Запрос в любом случае удовлетворяется.

R=R„ (Step №0)

R = Rp-2 (Step №1)

R = Rp-3 (Step №2)

Рис.3.10. Растущие окружности поиска ближайшего узла

Такая структура данных и принцип ее работы позволяют существенно экономить время, затрачиваемое на интерполяцию, поскольку она обеспечивает более быстрое получение данных, являющихся общими для узлов одного столбца регулярной сети.

Алгоритм поиска ближайшего соседа при заданных Start, Finish, R, Х0, Y0. Выше мы рассмотрели вопросы выборки элементов из массива исходных узлов Nodes. Теперь рассмотрим алгоритм поиска ближайшего узла (если таковой существует) из тех, что были выбраны.

Рис.3.11. Поиск ближайшего соседа при заданных Start, Finish, R, Хо, Уо

Пусть на очередном шаге поиска Step нам известны данные выборки Start, Finish, а также: Active - наличие узлов в выборке; R - радиус поиска на данном шаге; Хо, Y0 - координаты интерполируемого узла регулярной сети. Требуется либо найти ближайший узел из тех, что попадают в окружность поиска, либо констатировать факт отсутствия исходных узлов в окружности поиска. Рис.3.11 иллюстрирует пример такого поиска. Здесь серыми стрелками показана последовательность узлов из массива Nodes в выбранных изначально пределах Start и Finish.

Рис.3.12. Блок-схема алгоритма поиска ближайшего соседа при заданных Start, Finish, R,

Хо, Yo

В рамках решения текущей задачи мы последовательно должны просмотреть все узлы из массива Nodes в диапазоне индексов Start и Finish и принять решение по каждому узлу. Выполнение текущей задачи иллюстрирует блок-схема алгоритма, представленная на рис.3.12.

Принцип работы алгоритма заключается в том, что, просматривая все узлы промежутка от Start до Finish, вначале проверяется принадлежность узла промежутку [Y0 - R, Y0 + R] и только потом проверяется принадлежность его окружности поиска.

Использование обратной связи для установки начального шага Step при интерполяции очередного узла регулярной сети. Использование обратной связи для установки начального шага Step заключается в следующем. Пусть нам известно, что для предыдущего узла текущего столбца регулярной сети значение шага, при котором найден ближайший сосед, равно Step = N. Тогда для текущего узла текущего столбца можно принять шаг Step, исходя из следующих выражений: R = (N + 1) • R0 - Space. Если R < R0, тогда R = R0 и Step = Round(R / R0) - 1.

Это позволяет экономить машинное время, не проводя поиск для шагов, при которых заведомо известно об отсутствии исходных узлов в пределах окружности поиска.

Алгоритм интерполяции на базе предложенной методики. Опишем пошагово алгоритм интерполяции на базе предложенных нами методики и описанных локальных алгоритмов и структур данных.

1. Ввод исходных данных регулярной сети Хтт, Ymm Хтах, Ymax, Space.

2. Ввод массива исходных узлов Nodes с предварительной сортировкой элементов по ключам X и Y.

3. Определение начального значения радиуса поиска Ro.

4. Для очередного столбца с координатой Х0 выполняются пункты 5-16.

5. Создается структура данных выборки с параметрами Х0 и R0.

6. Step = 0.

7. Для очередного узла регулярной сети Х0, Y0 выполняются пункты 8-14.

8. Посылается запрос для текущего шага поиска Step в структуру данных выборки и в результате выдается Start, Finish, R, Active.

9. На базе Start, Finish, R, X0, Y0 находится ближайший сосед по алгоритму на рис.3.12.

10. Если ближайший сосед(узел) найден, то его значение Z присваивается значению узла регулярной сети и переходим к пункту 11, иначе Step = Step + 1 и переходим к пункту 8.

11. R = (Step + 1)-R0- Space.

12. Если R<R0, то R = R0.

13. Step = Round(R /R0) - 1.

14. Если выполнена интерполяция для всех узлов столбца с координатой Х0, то переход к пункту 15, иначе Y0 = Y0 + Space и переходим к пункту 7.

15. Разрушается структура данных выборки.

16. Если выполнена интерполяция для всех узлов регулярной сети, то переход к пункту 17, иначе Х0 = Х0 + Space и переходим к пункту 4.

17. Конец.

Следует еще раз отметить, что приведенный алгоритм учитывает то, что количество строк регулярной сети превышает количество столбцов. В противном случае целесообразнее X и Y поменять местами для повышения быстродействия вычислений.

В рамках тестирования алгоритма мы варьировали начальное значение радиуса поиска. Для начала вычислили его, исходя из значения площади, занимаемой окружностью, на которую попадает в среднем 1 узел из массива исходных узлов.

Для нашего массива исходных данных вычисленное по формуле (3.6) значение начального радиуса поиска составляет Ro = 3,7. Кроме вычисленного значения при тестировании мы задавали значения начального радиуса Ro = 5, Ro = 10 и Ro = 15. В результате были получены следующие временные показатели: при Ro = 3,7 время выполнения интерполяции составляет 26мин:48сек, при Ro = 5 - 18мин:55сек, при R0 = 10

X max- X min) • (7 max- Y min) я" • Count

3.6)

18мин:11сек, при R0 = 15 - 18мин:19сек. Отсюда следует, что для оптимальной скорости работы алгоритма нужно внести изменение в формулу расчета начального радиуса поиска, добавив умножение правой части равенства (3.6) на 3.

Для сравнения программный пакет Surfer 7 с тем же набором входных данных и теми же параметрами регулярной сети выполняет интерполяцию (методом поиска ближайшего соседа) за 35мин. Таким образом, ускорение поиска ближайших узлов в задаче 2D интерполяции на регулярной сети, предложенное нами, по сравнению с аналогом в Surfer для больших наборов данных приблизительно двукратно.

Такую же методику поиска с некоторыми модификациями и дополнениями можно применить, например, для интерполяции методом инверсных расстояний [91].

3.4. Обеспечение поточных вычислений на основе введенной математической формулы

Актуальность такой задачи возникает в случае, когда необходимо построить карту распределения некоторой величины, которая является рассчитываемой, на базе математической модели (формулы). Пусть это будет, например, карта распределения теплового потока Q = - X • grad Т. До бурного развития информационных технологий и ГИС такого рода карты, естественно, строились учеными вручную. В настоящее время появилась возможность практически полностью автоматизировать этот процесс [87].

Под картой распределения величины будем понимать графическое представление пространственного распределения некоторого рассчитанного параметра Q (например, геофизического, экологического, энергетического и др.), т.е. функции f(x, у) с раскраской ареалов в псевдоцвета в соответствии со значением искомого параметра. Исходные данные для построения такой карты могут быть разного рода. Например, точечные или полигональные данные пространственного распределения некоторых величин. Для каждой величины исходные данные могут быть заданы в виде: 1) набор точечных значений; 2) набор массивов значений (полилиний). Разнородность данных заключается в том, что для одной и той же величины они могут быть заданы по-разному. Например, пусть мы имеем дело с распределением температурного поля по глубине. Здесь в качестве исходных данных могут выступать как данные распределения температуры на одной определенной глубине или на поверхности, так и геоизотермы. В первом случае данные задаются в виде (X, У, Температура), при этом глубина постоянна, во втором - (X, У, Глубина), при этом постоянна температура.

Технологическая цепочка построения такой карты заключается в следующей последовательности действий: 1) задание исходной функциональной зависимости: (3 = / (Р/, Р2, .,Рп); 2) сбор данных и их пространственное позиционирование (векторизация): для каждого Р, -генерация набора данных Д; 3) трансформация данных в единую проекцию; 4) определение параметров регулярной сети; 5) 2£) интерполяция на регулярной сети для каждого набора данных; 6) ввод формулы функциональной зависимости; 7) расчет результирующей регулярной сети: каждый узел результирующей регулярной сети вычисляется на основе заданной формулы и соответствующих узлов сеток О?,; 8) определение диапазонов величин для псевдоцветов; 9) генерация растрового изображения распределяемой величины; 10) накладка картографических объектов, легенды и т.п.

Сгенерированные структуры данных в рамках каждой переменной, участвующей в математической формуле, позволяют выполнить расчет результирующей регулярной сети. Расчет по формуле выполняется для каждого ее узла.

Для автоматизации такого процесса необходимо разработать программный модуль (компонент), который обеспечивает ввод математической формулы, задание переменных и констант и выполнение расчета. Такой программный компонент, названный редактором математической формулы для поточных вычислений, разработан нами в среде Delphi. Его внешний вид показан на рис.3.13. вычислений

Компонент разбит на две части. Левая часть предназначена для редактирования формулы, правая - для обозначения констант и переменных. Редактируемая формула отображается в привычном для пользователя виде. Верхняя инструментальная панель левой части содержит набор греческих символов, которые могут быть добавлены в формулу. Нижняя инструментальная панель левой части содержит набор операций, которые могут быть включены в формулу.

В соответствии с введенной формулой в правой части компонента появляются имеющиеся в ней константы и переменные (рис.3.13). Первоначально им присваивается неопределенный статус «Undefined». Константа задается прямым редактированием в отведенной для нее ячейке. Что касается переменной, то она определяется через всплывающий список выбора переменных. Этот список формируется следующим образом. В компоненте имеется процедура для добавления элемента в так называемый массив данных о переменных. Элемент массива представляет собой запись с полями: 1 - Name (условное имя переменной); 2 - Address (адрес блока оперативной памяти, в котором хранится массив значений переменной). Размер вычисляемого потока данных задается через соответствующее свойство компонента.

Редактор математической формулы для поточных вычислений представляет собой алгоритмически-программный инструмент, который обеспечивает:

1) ввод математической формулы, обеспечив при этом традиционное изображение формулы и автоматическую блокировку неверных действий пользователя;

2) задание массивов данных для переменных формулы;

3) задание длины массива для поточного вычисления;

4) поточное вычисление на основе введенной формулы.

Перечень математических операций, которые предусмотрены в компоненте, представлен в табл.3.3. В дальнейшем список операций может быть расширен. Для операций 1-3, 5, 7, 11-13 не существует ограничений по операндам. В операции деления (4) значение операнда b не должно быть равно «О». Эта ошибка контролируется на этапе поточного вычисления формулы. В случае ошибки выдается соответствующее сообщение, и процесс вычислений прекращается. В операции извлечения квадратного корня (6) значение операнда а не может быть меньше «О». Эта ошибка также контролируется на этапе поточного вычисления формулы. В операции логарифм (8) значение операнда b должно быть больше «О». То же самое, только для операнда а в операциях логарифмов натурального и десятичного. Все эти возможные ошибки контролируются на этапе поточного вычисления формулы.

В операции факториал (14) операнд а должен быть целым положительным числом. Вначале это контролируется на этапе редактирования формулы так, что пользователь не может ввести никакие другие числа, кроме целого положительного, в рамках этого операнда, а также он не позволяет включать в себя никакие другие операции, кроме сложения, умножения и вычитания. Потом контроль того, чтобы значение операнда было только положительным целым, осуществляется на этапе поточного вычисления формулы.

ЗАКЛЮЧЕНИЕ

В процессе проведения исследований автором получены следующие научные результаты, использование которых в совокупности поможет решить крупную народно-хозяйственную проблему комплексного освоения геотермальной энергии в регионе. Эти результаты сводятся к следующему:

1. Применение геоинформационных технологий в решении задач по оценке пространственного распределения возобновляемых энергоресурсов и, в частности, геотермальных ресурсов в региональных масштабах при современных возможностях вычислительной техники позволяет выявлять наиболее перспективные районы с точки зрения освоения и использования возобновляемой энергии.

2. Разработана концепция построения специализированной системы трехмерного геоинформационного моделирования для решения задач по оценке пространственного распределения возобновляемых энергоресурсов. Принципы построения системы трехмерного геоинформационного моделирования позволяют использовать ее и в других предметных областях (геология, геофизика, геоэкология и др.) путем изменения набора функциональных модулей (генераторов данных).

3. Концепция построения системы трехмерного геоинформационного моделирования предполагает разделение данных на две категории: расчетные и визуализируемые. Преимущества такого разделения заключаются в: а) отсутствии временных затрат на получение адаптированной под визуализацию модели структуры данных (включая формирование легенды); б) возможности создания для одних и тех же расчетных данных нескольких визуальных структур, по-разному интерпретирующих (разная легенда) информацию.

4. Разработан набор функциональных модулей системы трехмерного геоинформационного моделирования, называемых генераторами расчетных данных, достаточный для выполнения геоинформационного моделирования пространственного распределения геотермальных ресурсов в регионе.

5. Предложен способ оптимизации объема данных в регулярной сети путем замены восьмибайтовых (вещественных) значений в ее узлах на формальные беззнаковые двухбайтовые целые числа и два коэффициента преобразования. Идея оптимизации основывается на том, что реальные данные из окружающего мира имеют такие диапазон значений и точность представления, что позволяют представить все возможные значения в узлах сети относительно небольшим количеством чисел. Предложенный способ оптимизации в 4 раза сокращает объем памяти для хранения сети, что увеличивает возможности геоинформационного моделирования на регулярных сетях в режиме ЗБ.

6. С использованием разработанных геоинформационных технологий построены модели: а) трехмерного геологического строения земной коры Дагестана, б) трехмерного температурного поля до 5000м. Данные модели являются основой расчета пространственного распределения плотности геотермальных ресурсов.

7. С использованием разработанных геоинформационных технологий построены модели распределения общих потенциальных геотермальных ресурсов Дагестана до глубин 3000 и 5000м, а также технически доступных геотермальных ресурсов для режима 70/20°С (горячее водоснабжение) и для режима 90/40°С (отопление). Построенные модели позволяют оконтурить наиболее перспективные районы Дагестана с точки зрения освоения геотермальной энергии.

Список литературы диссертационного исследования доктор технических наук Кобзаренко, Дмитрий Николаевич, 2011 год

1. Bai Tian, Peter L., Alexander C. 3D modeling and visualization of geologic and environmental data using GIS and GMS // http://www.esri.com.

2. Evans A., Roberts G, Dodson A. and others Applications of augmented reality: visualizing geology // International conference «GIS in geology», extended abstracts, Vernadsky State Geological Museum of RAS, Moscow, 13-15 november, 2002, P.40-43.

3. Ford S. The first tree-dimensional nautical chart // http://www.esri.com.

4. Hutter G. W. The status of world geothermal power generation, 1995-2000 // Proc. of the World geothermal congr., 2000. Hyushu-Tohoku, Japan, 2000. V.l.P.23-27.

5. Kononov V., Polyak В., Kozlov B. Geothermal development in Russia: Country update report 1995-1999 // Proceedings of the World Geothermal Congress 2000 Kyushu-Tohoki, Japan, May 28 June 10, 2000. P.261-266.

6. Lund J. W., Freeston D.H. World-wide direct uses of geothermal energy, 2000 // Proc. of the World geothermal congr., 2000. Hyushu-Tohoku, Japan, 2000. V.l.P.1-21.

7. Nancy Kerr Del Grande. Airborne temperature survey maps of heat flow anomalies for exploration geology // Geothermal Resources Council Bulletin, V.14, No.3, March, 1985.

8. Seibt P., Hoth P. Геотермальная станция: от изысканий к успешной эксплуатации // Теплоэнергетика. 2004. №6. С.66-69.

9. Stefanson V. World Geothermal Assessment // Proc. WGC-2005. Turkey. Antalya, 2005.

10. Stephure T. Geothermal Development Expands Globally // http://www.renewableenergyworld.com/rea/news/article/2009/05/.

11. Александровский А.Д., Шубин B.B. Delphi для профессионалов. Опыт практического применения. М.: ДМК, 2000. 240с.

12. Алиев P.M., Паламарчук B.C., Бадавов Г.Б. Вопросы геотермального теплоснабжения территории Северного Дагестана // Геотермальная теплоэнергетика. Тр. ИПГ ДНЦ РАН. Махачкала, 2002. С.25-35.

13. Алхасов А.Б. Возобновляемая энергетика. М.: Физматлит, 2010. 256с.

14. Алхасов А. Б. Геотермальная энергетика. Проблемы, ресурсы, технологии. М.: Физматлит, 2008. 367с.

15. Алхасов А. Б. Перспективы освоения геотермальных ресурсов Северного Кавказа // Перспективы энергетики. 2003. Т.7. С.367-375.

16. Алхасов А.Б., Исрапилов М.И. Использование геотермальной энергии для подогрева подпиточной воды // Водоснабжение и санитарная техника. 1996. №4. С.25-26.

17. Алхасов А.Б., Магомедбеков Х.Г. Перспективы строительства ГеоТЭС на базе среднепотенциальных вод // Геотермия. Геотермальная энергетика Сб.науч.тр. ИПГ ДНЦ РАН. Махачкала, 1994. С.17-35.

18. Алхасов А.Б., Рамазанов М.М., Абасов Г.М. Использование геотермальной энергии в горячем водоснабжении // Водоснабжение и санитарная техника. 1998. №3. С.24-25.

19. Амирханов Х.И., Суетное В.В., Левкович P.A., Гаирбеков Х.А. Тепловой режим осадочных толщ. Махачкала, 1972. 230с.

20. Аракчеев Д. Б. Программно-инструментальные средства для разработки информационно-аналитических систем // Геоинформатика, 2004, №2. С.37-45.

21. Аронов В.И. Трехмерная аппроксимация как проблема обработки, моделирования и интерпретации геофизических и геологических данных // Геофизика, №4, 2000.

22. Архангельский А.Я. Delphi 5. Справочное пособие. М: «Бином», 2001. 768с.34.37,38

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.