Symulowane wyżarzanie przestrzenne efektywnym narzędziem planowania sieci pomiarowych

• Autorzy: Jarosław Zawadzki
• Języki publikacji: PL

Abstrakty

Metodą, która pozwala efektywnie planować sieci pomiarowe w sytuacji różnorodnych ograniczeń np. geometrycznych dotyczących możliwości wykonywania pomiarów jest przestrzenne symulowane wyżarzanie (ang. spatial simulated annealing). Zamiennie używa się też terminu symulowane wyżarzanie Optymalizuje ona sieć pomiarową, drogą kolejnych ulepszeń sieci poprzez taką zmianę jej geometrii, aby uzyskać ekstremum wybranej funkcji celu (np. wariancji krigingu) dla dowolnie zadanej z góry liczby pomiarów. Metoda ta charakteryzuje się dużą efektywnością, elastycznością oraz szerokim spektrum zastosowań praktycznych. Artykuł omawia szczegółowo podstawy teoretyczne podstawy tej metody, opisuje popularne kryteria optymalizacji - minimalizację średniej odległości do najbliższego sąsiada oraz kryterium Warricka'a i Myers'a, jak również prezentuje przykład działania tej metody w połączeniu z często stosowaną w praktyce pomiarowej metodą krigingu. Artykuł uwypukla, że w celu uzyskania prawidłowych wyników analizy przestrzennej niezbędne jest stosowanie odpowiednich metod na etapie planowania sieci pomiarowej. (abstrakt oryginalny)

EN

Spatial simulated annealing is method that allows for effectively planning the measurement network when a variety of constraints, e.g. geometric, on measuring possibilities occurs. It optimizes the measurement network, by successive improvements in its geometry, in order to obtain the extreme of the selected objective function (e.g., kriging variance) for any pre-set number of measurements. This method is characterized by high efficiency, flexibility and wide range of practical applications. The article discusses, in detail, the theoretical basis for this method, describes comprehensively the popular optimization criteria: the Minimisation of the Mean of Shortest Distances (MMSD) to the nearest neighbor and the Warrick and Myers' (WM) criterion. Furthermore, the article presents an example of spatial simulated annealing method use in combination with commonly applied in measurement practice kriging method. Article emphasizes that to obtain reliable results of spatial estimation it is necessary to apply appropriate methods at the stage of measuring network planning. (original abstract)

Słowa kluczowe

PL

Metody pomiarowe; Korelacja; Analiza przestrzenna

EN

Measuring methods; Correlation; Spatial analysis

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2011
• Tom: 40
• Strony: 356--365

Twórcy

autor

Jarosław Zawadzki

• Politechnika Warszawska

Bibliografia

• [1] Černy V., 1985, A Thermodynamical approach to the travelling salesman problem: anEfficient Simulation Algorithm. Journal of Optimization Theory and Applications. 45: 41- 5.
• [2] Goovaerts P., 1997. Geostatistics for Natural Resources Evaluation, Oxford University Press, New York.
• [3] Groenigen, van, J.W., 1999. Constrained optimisation of soil sampling for minimisation of the kriging variance. Geoderma 87. Enschede.
• [4] Groenigen, van, J.W., 2000. The influence of variogram parameters on optimal sampling schemes for mapping by kriging. Geoderma 97. Enschede.
• [5] Isaaks E.H., Srivastava R.M., 1998. Applied Geostatistics, Oxford University, New York.
• [6] Kirkpatrick, S., Gelatt, C.D, and Vecchi, M.P. 1983. Optimization by simulated annealing. Science 220:671-680.
• [7] Lark R.M., 2002. Robust estimation of the pseudo cross-semivariogram for cokriging soil properties. European Journal of Soil Science, 53: 253-270.
• [8] Myers D. E., 1991. Pseudo-cross variograms, positive-definiteness, and cokriging. Mathematical Geology, 23: 805-816.
• [9] Olea A., R., 1984. Sampling design optimization for spatial functions. Mathematical Geology 16: 369-392.
• [10] Olea A., R., 1996. Geostatistics for engineers and earth scientists. The University of Lawrence, Kansas, 1996.
• [11] Papritz A., Kunsch H.R., Webster R., 1993. On the pseudo cross-variogram. Mathematical Geology. 25: 1015-1026.
• [12] Warrick, A. W., Myers D. E. 1987. Optimization of sampling locations for variogram calculation., Water Resour. Res., 23: 496-500.
• [13] Zawadzki J., 2005. Zastosowanie metod geostatystycznych do planowania sieci pomiarowych przy pomocy w badaniach geofizycznych. Część I - Metody oparte na estymacji przestrzennej. Geofizyka. 2: 46-61.
• [14] Zawadzki J., 2006. Zastosowanie metod geostatystycznych do planowania sieci pomiarowych w badaniach geofizycznych. Część II - Metody oparte na symulacjach przestrzennych. Geofizyka. 1: 105-118.
• [15] Zawadzki J., 2004. Wykorzystanie metod geostatystycznych w badaniach środowiska przyrodniczego. Prace Naukowe Politechniki Warszawskiej Inżynieria Środowiska, 49.
• [16] Zhang R., Myers D.E., Warrick A.W., 1992. Estimation of the spatial distributions of soils cemicals using pseudo-cross-semivariograms. Soil Science Society of America Journal, 56, 1444-1452.