بررسی عملکرد زنجیره مارکوف تعمیم یافته در شبیه سازی متغیرهای گسسته در یک مطالعه موردی

مدل سازی ناهمگونی رخساره های زمین شناسی نقشی مهم در شناسایی موقعیت قرارگیری رخساره ها ایفا می کند. استفاده از روش های تخمین و شبیه سازی زمین آماری مبتنی بر واریوگرام به دلیل دقت بالا و لحاظ کردن عدم قطعیت مدل ها، امروزه کاربردهای موثر و چشمگیری در مدل سازی نهشته های معدنی داشته اند. با توجه به خطی بودن تخمینگرهای مرسوم زمین آماری، مدل سازی فضایی ویژگی های رخساره ها با کاستی هایی همراه است. الگوریتم شبیه سازی شاخص پی درپی (SIS) روشی محبوب و پرکاربرد در حیطه مدل سازی رخساره ها است که بر پایه ی آنالیز ساختاری متغیر شاخص و مبتنی بر برآورد تابع توزیع احتمال محلی با کمک کریجینگ شاخص اجرا می شود. این روش نیز زمانی که حجم داده های اولیه پایین است عملکرد مناسبی از خود نشان نمی دهد. روش زنجیره مارکوف تعمیم یافته (GCMC) یکی از مناسب ترین روش های زنجیره مارکوف در شبیه سازی متغیرهای گسسته در نهشته های رسوبی است. این روش برای شبیه سازی از روابط بین کلاسی و احتمالات گذار استفاده می کند. در این تحقیق از سه روش تخمین کریجینگ شاخص، روش های شبیه سازی SIS و GCMC در مدل سازی واحدهای کربناته یک مقطع انتخابی از نهشته آهک ارشتناب بستان آباد استفاده شده است. در ادامه نتایج حاصل از هر سه روش باهم مقایسه شده و میزان بازتولید مقادیر نسبت حجمی و واریوگرام ها مورد بحث قرار گرفت. درروش کریجینگ شاخص روند عمومی قرارگیری کلاس ها به خوبی تولید شده، اما هموارشدگی به صورت واضح در مقطع دیده می شود. در نتایج GCMC نحوه تولید الگوها نسبت به دو روش دیگر انطباق بهتری با واقعیت زمین شناسی منطقه دارد. این تحقیق نشان می دهد که روش SIS در تولید الگوها عملکرد ضعیف تری نسبت به GCMC داشته و الگوهای تولیدی متفاوت از وضعیت واقعی لایه بندی بوده و پراکندگی بیشتری از خود نشان می دهند. با توجه به نتایج منطقی و پیاده سازی آسان، روش GCMC ابزاری مناسب جهت پیش بینی اولیه و مدل سازی کلاس ها در محیط های رسوبی است.