Upload
others
View
11
Download
2
Embed Size (px)
Citation preview
SVEUČILIŠTE U ZAGREBU
GEOTEHNIČKI FAKULTET
ANTE ČUBAKOVIĆ
GEOSTATISTIČKI MODEL GLINENE PODINE
AKUMULACIJE HE TIHALJINA
DIPLOMSKI RAD
Varaždin, 2012.
SVEUČILIŠTE U ZAGREBU
GEOTEHNIČKI FAKULTET
DIPLOMSKI RAD
GEOSTATISTIČKI MODEL GLINENE PODINE
AKUMULACIJE HE TIHALJINA
Kandidat:
Bacc. ing. geoing. Ante Čubaković
Mentor:
Doc. dr. sc. Ivan Kovač
Varaždin, rujan 2012.
SADRŽAJ
1. UVOD 1
2. ZNAČAJKE PROMATRANOG PODRUČJA 2
2.1. Lokacija i opis HE Tihaljine 2
2.2. Geološka građa i tektonika promatranog područja 4
2.3. Terenski istražni radovi 6
3. ODABIR INTERPOLACIJSKE METODE 9
4. VARIOGRAFIJA 11
4.1. Osnovni pojmovi variograma 11
4.2. Eksperimentalni variogram 13
4.3. Teorijski variogram 15
4.4. Izrada variograma u programu Surfer 8 20
5. METODA KRIGINGA 28
6. KRIGIRANI MODEL GLINENE PODINE 31
7. ZAKLJUČAK 33
8. LITERATURA 34
9. SAŽETAK 36
POPIS SLIKA
Slika 2.1.1. Topografska karta, detalj Bilo polje 2
Slika 2.1.2. Skica presjeka kroz akumulacijsko jezero i njegovu podinu 3
Slika 2.1.3. Ortofoto snimka preko topografske karte, prikaz akumulacijskog jezera Nuga 3
Slika 2.2.1. Osnovna geološka karta, list Imotski, detalj Bilo polje 4
Slika 2.3.1. Raspored refrakcijskih sondažnih profila, geoelektričnih sondažnih profila i
istražnih bušotina 7
Slika 4.1.1. Variogram i njegove komponente (Golden Software, Inc., 2002.) 12
Slika 4.2.1. Proračun eksperimentalnog variograma (Preuzeto: Žerjavić, V., 2011.,
Geostatističko modeliranje razine podzemne vode) 14
Slika 4.2.2. Eksperimentalni variogram za glinenu podinu HE Tihaljina 14
Slika 4.3.1. Teorijski modeli variograma (Preuzeto: Golden Software, Inc., 1993. – 2002.,
Surfer, User's Guide) 18
Slika 4.3.2. Uklopljeni teorijski variogram u eksperimentalni 19
Slika 4.4.1. Otvoren izbornik za izradu variograma 20
Slika 4.4.2. Učitavanje podataka iz Excel datoteke u Surfer 8 20
Slika 4.4.3. Podešavanje polarnog grida 21
Slika 4.4.4. Gruba verzija variograma i njegove komponente 21
Slika 4.4.5. Kartica Experimental 22
Slika 4.4.6. Kartica Model 23
Slika 4.4.7. Opcije za modificiranje variograma 23
Slika 4.4.8. Kartica Statistics 24
Slika 4.4.9. Kartica Plot 24
Slika 4.4.10. Otvoren izbornik u alatnoj traci za Cross validaciju 25
Slika 4.4.11. Prozor Grid Data 25
Slika 4.4.12. Prozor Kriging Advanced Options 26
Slika 4.4.13. Cross validacija 26
Slika 4.4.14. Rezultat Cross validacije 27
Slika 6.1. Model debljine sloja gline koji služi kao podina akumulacijskom jezeru HE
Tihaljina 32
POPIS TABLICA
Tablica 3.1. Vrijednosti cross validacije po metodama interpolacije 10
Tablica 4.3.1. Cross validacija teorijskih variograma s različitim dometima 19
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
1
1. UVOD
Za projektiranje i izgradnju složenih objekata poput hidroelektrana neophodno je utvrditi
karakteristike tla i stijena u kojima se takvi objekti izgrađuju. Kako bi se utvrdile navedene
karakteristike potrebno je provesti opsežne istražne radove.
Za projektiranje hidroelektrane Tihaljina istraženo je područje Bilog polja. Između ostalog,
istraženi je sloj gline koji služi kao podina akumulacijskog jezera. Gradnja hidroelektrane je vrlo
skupocijen i važan projekt. Prije svega, važno je osigurati njen nesmetani rad. Rad hidroelektrane
ovisi, između ostalog, o akumulacijskom jezeru. Kako bi se voda akumulirala u predviđenom
bazenu i u predviđenoj količini potrebno je ispitati odnosno napraviti dobar i pouzdan model podine.
Terenskim istražnim radovima je utvrđeno da debljina podine varira u prostoru. Potrebno je dobro
procijeniti debljinu sloja gline na onim mjestima gdje se to terenskim istražnim radovima nije moglo
utvrditi te se na taj način točnije napraviti projekt, predvidjeti i spriječiti moguće gubitke vode iz
akumulacije i povećati protok vode na turbine što rezultira povećanjem proizvodnje električne
energije.
Na osnovu rezultata istražnih radova potrebno je metodom interpolacije izraditi model tog
sloja. U ovom diplomskom radu primijenjene su interpolacijske metode u sklopu programa Surfer 8.
Metodom cross validacije utvrđena je greška procjene za svaku metodu interpolacije. Kao što će
rezultati pokazati najmanju grešku procjene daje geostatistička metoda.
Geostatistika je našla uspješnu primjenu u analizama i procjenama pojava kao što su
primjerice, transmisivnost, poroznost, hidraulička provodljivost ili koncentracija i izvori onečišćenja.
Također se primjenjuje na projektima istraživanja zaštite okoliša te kod seizmičkih i geofizičkih
istraživanja, a koristi se i u drugim znanstvenim disciplinama, primjerice u biologiji, zoologiji,
meteorologiji, astronomiji, botanici i drugima. U ovom diplomskom radu dano je objašnjenje izrade
variograma, primjene metode kriginga i izrade modela glinene podine akumulacije hidroelektrane
Tihaljina.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
2
2. ZNAČAJKE PROMATRANOG PODRUČJA
2.1. Lokacija i opis HE Tihaljine
Hidroelektrana Tihaljina izgrađena je na rijeci Vrljici nedaleko od Gruda i Drinovaca u
Zapadnohercegovačkoj županiji na izvoru rijeke Tihaljine u Peć – Mlinima (Slika 2.1.1.) i koristi vode
rijeke Vrljike na padu od Imotsko – bekijskog polja do izvora Tihaljine.
Slika 2.1.1. Topografska karta, detalj Bilo polje
HE Tihaljina je predviđena kao protočna hidroelektrana s mogućnošću dnevnog izravnavanja u
bazenu Nuga. Po tipu je derivacijska s derivacijskim tunelom i tlačnim cjevovodom kojima se voda
od bazena Nuga dovodi do strojarnice (Slika 2.1.2).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
3
Slika 2.1.2. Skica presjeka kroz akumulacijsko jezero i njegovu podinu
Donji tok Vrljike na području Bilog polja ima vrlo mali pad tako da je moguće na tom prostoru
ostvariti akumulaciju (Slika 2.1.3.) koja služi isključivo za manja izravnavanja.
Slika 2.1.3. Ortofoto snimka preko topografske karte, prikaz akumulacijskog jezera Nuga
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
4
Vodu rijeke Vrljike je moguće akumulirati zbog nepropusnog sloja kojeg čine masne gline niske do
srednje plastičnosti, slabe do srednje stišljivosti između površinskog humusnog sloja i temeljne
vapnene te dolomitne stijene.
2.2. Geološka građa i tektonika promatranog područja
Promatrano područje Bilog polja pruža se u smjeru sjeverozapada gdje se nastavlja
Imotsko-bekijsko polje te u smjeru jugoistoka do mjesta Drinovci (Slika 2.2.1.). Uglavnom je
okruženo vapnencima i dolomitima.
Slika 2.2.1. Osnovna geološka karta, list Imotski, detalj Bilo polje
Donjokredski dolomiti, dolomitični vapnenci i vapnenci protežu se od sjeveroistoka do jugoistoka
gdje završavaju kod ulazne građevine na samom vrhu akumulacije Nuga. Na jugu, u istom
geološkom razdoblju, formirali su se vapnenci u kojima se mogu naći ljušturice orbitolina. Na
jugozapadu su formirani vapnenci u gornjoj kredi u kojima su fosilizirani rudisti te se u tragovima
mogu naći hondrodonte, dok se zapadno od polja nalaze samo vapnenci s hondrodontama.
Sjeverozapadno se opet nalaze dolomiti, dolomitični vapnenci i vapnenci donjokredske starosti.
Cijelo Imotsko – bekijsko polje u cijelosti formirano je u kvartaru, a niže slojeve čine pleistocenske
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
5
gline i lapori, pjeskoviti lapori i pjeskovite gline. Kvartarne naslage su debele oko 50 metara i nema
neogenskih naslaga. U najnižim dijelovima polja izdvojene su aluvijalne tvorevine koje izgrađuju
različiti pijesci, šljunci i ilovače izmješane s crvenicom i humusom. Pojedini dijelovi površina, kao što
su Bilo polje, izdvojeni su kao aluvij te su i danas stalno ili povremeno izloženi plavljenju pa se i
danas u manjoj količini talože ilovače, pijesci i šljunci.
Bilo polje dio je strukturne jedinice Biokovo – Zagora odnosno na granici podjedinica Slivno i
Imotski.
Podjedinica Slivno Pruža se od Orljače i Medova dolca na sjeverozapadu do Peć mlinova i
Draže brda na jugoistoku. Jugozapadna granica je izražena dislokacijom koja se pruža od Lončara
preko Milića do Draže brda. Sjeveroistočna granica je u većem dijelu nejasna, jer su na kontaktu
ove i sjeverne jedinice naslage ljuskave, pa nije moguće sa sigurnošću utvrditi koje ljuske pripadaju
jednoj, a koje drugoj strukturnoj jedinici. U krajnjem jugoistočnom dijelu ove jedinice kod Peć
mlinova, granica prema sjevernoj jedinici je jasna jer su donjokredski vapnenci sjeverne jedinice
navučeni na turonske vapnence podjedinice Slivno. Karakteristično je da su gornjokredske naslage
drugačije razvijene od naslaga u biokovskoj strukturnoj jedinici. Prevrnuta antiklinala Orljače i blago
borani slojevi Oštrica i Kapine presječeni su također velikim uzdužnim rasjedom koji ide od
Medovog dolca na sjeverozapadu do Peć mlinova. Znatno je naboran dio strukturne jedinice
sjeveroistočno od ovog rasjeda. Tu se nalazi nekoliko manjih antiklinala i sinklinala koje su
sekundarno borane, mjestimično prevrnute i ljuskave. Ističe se antiklinala koja se pruža od Peć
mlinova do Šeminovca, a izgrađena je od krednih vapnenaca i dolomita.
Strukturnu podjedinicu Imotski izgrađuju naslage krede i paleogena borane u nekoliko
paralelnih bora koje se pružaju od Vinice i Mrnjavaca na sjeverozapadu preko Imotskog i Posušja
do Peć mlinova, Snigutine i Ledinaca na jugoistoku. Ova jedinica je navučena na južnu strukturnu
podjedinicu Slivnog. Na ovo navlačenje ukazuju nenormalni odnosi između paleogenskih i alb –
cenomanskih naslaga kod Mrnjavaca kao i nenormalni odnos između donjokrednih i gornjokrednih
sedimenata u području Peć mlinova. U jugozapadnom dijelu jedinice, kod Peć mlinova i južno od
Kamenmosta, pruža se krilo antiklinale izgrađeno od donjokrednih naslaga. Krilo antiklinale na
sjeveroistoku od Krenice do Kapine sekundarno borano u nekoliko uspravnih i prevrnutih sinklinala i
antiklinala (Raić, V., Papeš, J.1968.). Za promatrano područje treba istaknuti rasjed koji se formirao
na zapadnoj strani polja i njegov utjecaj na polje. Tektonski pomaci u toj zoni su napravili velika
odstupanja u debljini glinenog sloja.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
6
2.3. Terenski istražni radovi
Za potrebe izrade projekta HE Tihaljina bilo je potrebno provesti terenske istražne radove
da bi se odredila lokacija i granica akumulacije te visina vode radi optimalnog korištenja vodnog
potencijala (Baturić, I., 1999.). Iako je predmet istraživanja predstavljalo područje akumulacije, trase
dovodnog tunela, tlačnog cjevovoda i područje strojarnice HE Tihaljine bilo je posebno važno
utvrditi debljine glinenih – brtvenih naslaga budućeg akumulacijskog jezera.
Radi toga su izvedeni sljedeći istražni radovi:
- Geološka kartiranja
- Hidrogeološka istraživanja
- Geotehnička bušenja
- Geofizička istraživanja
Geološke i hidrogeološke radove obuhvaćalo je terensko snimanje i kartiranje strukturno
tektonskih odnosa i izrada geološke karte s odgovarajućim profilima u mjerilu M = 1 : 25 000.
Kartiranje se izvodilo kao dopuna geološkoj karti M = 1 : 100 000. Površina istražnog područja Bilog
polja je bila približno 25 km2. Hidrogeološka istraživanja šireg područja su provedena s ciljem
utvrđivanja kapaciteta ponora i dopune postojećih hidrogeoloških karata sa novim razgraničenjem
slivova, nakon utvrđivanja podzemnih vodnih veza. Na istražnom području izvedeno je ukupno 11
bušotina, od kojih su kao referentne za promatrano područje izdvojene 3 bušotine, a to su BN – 9,
BN – 10 i BN – 11 (Baturić, I., 1999.). Cilj geofizičkih istraživanja je bilo određivanje vrste i stanja
litoloških jedinica i utvrđivanje tektonskih obilježja. Za istraživanje Bilog polja primijenjena je plitka
refrakcijska i refleksijska seizmika. Osim toga izvedena su i geoelektrična sondiranja
akumulacijskog bazena metodom prividnog specifičnog otpora. Uz granice bazena Nuga i u
području ulazne građevine provedeno je i georadarsko profiliranje radi detekcije ponora i pukotinsko
– drenažnog sustava. Na 55 definiranih refrakcijskih profila, (Slika 2.3.1.), (RF – 1 do RF – 49, RF –
55 do RF – 60) u istražnom području akumulacijskog bazena Nuga, snimljene su brzine uzdužnih
valova s ciljem praćenja prostornog rasporeda površinskog kompleksa, te promjena
podpovršinskog stanja.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
7
Slika 2.3.1. Raspored refrakcijskih sondažnih profila, geoelektričnih sondažnih profila i istražnih bušotina
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
8
Za generiranje seizmičkih valova na točkama paljenja korištena je energija eksploziva (100 grama
Amonal V iniciran trenutnim električnim detonatorom) (Baturić, I., 1999.). Postupak obrade
refrakcijskih istraživanja je obuhvatio analizu prvih nailazaka seizmičkih valova i prikaz rezultata u X
– t dijagramu. Na taj su način dobivene dromokrone uzdužnih valova. Veza između vrste i kvalitete
litoloških članova i brzine prostiranja valova ocijenjena je na osnovi empirijskih korelacija, podataka
bušenja i korelacije prema literaturi (Jakosky, J.J., 1963.).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
9
3. ODABIR INTERPOLACIJSKE METODE
Interpolacija dolazi od riječi inter između i polos os, osovina, odnosno točka, čvor. U
inženjerstvu i znanosti interpolacija često ima mnogo točaka podataka prikupljenih uzorkovanjem ili
eksperimentiranjem, te se njome pokušava konstruirati funkcija koja približno odgovara tim točkama
podataka. To se naziva prilagodba krivulje ili regresijska analiza. Interpolacija je specifični slučaj
prilagodbe krivulje u kojem funkcija mora točno prolaziti točkama podataka odnosno svako
izračunavanje nove točke između dviju ili više postojećih točaka podataka. U programu Surfer 8
ponuđeno je devet interpolacijskih metoda, a to su:
inverse distance to a power, kriging, natural neighbor, nearest neighbor, polynomial
regression, radial basis function, triangulation with linear interpolation, moving average,
local polynomial.
Glavni kriterij za odabir odgovarajuće metode je rezultat cross validacije. Za određivanje
procijenjenih vrijednosti u svakoj od 1101 točke, u programu Surfer 8 je korišten Cross validation
process, odnosno proces unakrsne validacije. Ovaj algoritam procijene radi tako da se izostavi prvi
ulazni podatak te se na temelju ostalih poznatih podataka i interpolacijske metode izračuna
odnosno procijeni vrijednost u izostavljenoj točki. Razlika između stvarne i procijenjene vrijednosti
naziva se rezidual i ta se vrijednost kvadrira. Zatim se izostavljeni podatak vraća u ulazni skup
podataka i opisani postupak se ponavlja za svaku slijedeću točku, odnosno sa svih n podataka.
Konačno, sve kvadrirane razlike se zbroje i podijele s ukupnim brojem podataka (1) a dobiveni
rezultat predstavlja grešku procjene:
∑
(1)
U tablici 3.1., u prvom stupcu, navedene su metode interpolacije a u drugom stupcu navedene su
pripadne vrijednosti greške procjene. Vrijednosti variraju ovisno o metodi interpolacije. Metoda
kriginga ima najmanju vrijednost što znači da je greška procjene najmanja odnosno, da je model
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
10
koji će se kreirati metodom kriginga najtočniji u odnosu na modele kreirane ostalim interpolacijskim
metodama. Stoga se za daljnji postupak izrade modela glinene podine akumulacijskog jezera HE
Tihaljine odabire metoda kriginga.
Tablica 3.1. Vrijednosti cross validacije po metodama interpolacije
Inverse Distance to a Power 2,13
Kriging 1,48
Natural Neighbor 1,90
Nearest Neighbor 2,78
Polynomial Regression 22,80
Radial Basis Function 3,18
Triangulation with Linear Interpolation 2,12
Moving Average 21,02
Local Polynomial 8,78
σ2METODA
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
11
4. VARIOGRAFIJA
Riječ geostatistika složenica je riječi statistika (grč. status = stanje) i geo (grč. geo =
Zemlja). To je znanost koja se bavi prostornom analizom, odnosno prostornom procjenom svih
varijabli i funkcija koje imaju neku prostornu strukturu. Iako je ime ograničava na geološke primjene
u praksi to nikako nije slučaj. Geostatistika je našla uspješnu primjenu u analizama i procjenama
pojava kao što su primjerice, transmisivnost, poroznost, hidraulička provodljivost ili koncentracija i
izvori onečišćenja. Također se primjenjuje na projektima istraživanja zaštite okoliša te kod
seizmičkih i geofizičkih istraživanja, a koristi se i u drugim znanstvenim disciplinama, primjerice u
biologiji, zoologiji, meteorologiji, astronomiji, botanici i drugima.
Razvoj geostatistike započeo je D. G. Krige (1951.), rudarski inženjer, koji je analizirao
koncentraciju zlata u rudnicima južne Afrike primjenjujući znanja iz statistike i vjerojatnosti. Njegov
rad kasnije je nastavio Francuski znanstvenik Georges Matheron koji je teoriju Krigea izrazio kao
ekvivalent metodi najmanjih srednjih kvadrata iz čega je proizašla metoda prostorne interpolacije
koju je u čast D. G. Krigeu nazvao „kriging“. G. Matheron je utemeljio centar za geostatistiku i
morfološku matematiku u Fontanbleau 1986. i time omogućio daljnji razvoj geostatistike. Objavio je
brojne radove na tom području. Radi svojih zasluga smatra se utemeljiteljem geostatistike.
4.1. Osnovni pojmovi variograma
Odstupanje (C0), ili „efekt grumena“ je pojava kada krivulja siječe os ordinata u nekoj pozitivnoj
vrijednosti C0, (Slika 4.1.1.),odnosno vrijednost variograma na nultoj udaljenosti h. Upućuje na
razliku u vrijednostima vrlo bliskih uzoraka koji se u praksi smatraju uzorcima s jedinstvene lokacije
(Malvić, T., Gaćeša, S., 2006.). Može se također pojaviti kao posljedica varijabilnosti na udaljenosti
manjoj od udaljenosti uzorkovanja i zbog grešaka u mjerenju.
Prag odgovara vrijednosti stvarne varijance podataka, (Slika 4.1.1.). Ukupna vrijednost praga
jednaka je zbroju vrijednosti odstupanja i strukturne varijance:
(2)
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
12
Treba napomenuti da je podudarnost između greške procjene i praga variograma ) sasvim
slučajna. Nakon dosezanja praga (ako ga postiže) variogramska krivulja najčešće prestaje pravilno
rasti te nastavi oko njega oscilirati (Malvić, T., 2008.).
Domet ili doseg (a) je horizontalna udaljenost (h) na kojoj semivariogram prvi put presijeca prag.
Pretpostavlja se da u horizontalnom smjeru iznad dometa ne postoji prostorna korelacija podataka,
odnosno kovarijanca je jednaka nuli. (Malvić, T., 2008.).
Udaljenost ili korak (h) se odnosi na udaljenost među varijablama, odnosno mjernim točkama.
Svaka udaljenost čini jedan razred. Toj vrijednosti udaljenosti često je dodijeljena određena
tolerancija kako bi se povećao broj ulaznih podataka, a nazvana je odmakom. To znači da se
granicama razreda dodaje vrijednost odmaka, šireći tako interval razreda. Odmak se u najvećem
broju primjena semivariogramskog računa postavlja na 1/2 vrijednosti udaljenosti h, jer se na taj
način maksimalno povećava broj parova podataka, a time i pouzdanost prostorne analize (Malvić,
T., 2008.).
Slika 4.1.1. Variogram i njegove komponente (Golden Software, Inc., 2002.)
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
13
4.2. Eksperimentalni variogram
Variogram je mjera koliko se brzo stvari mijenjaju u prosjeku. Temeljni princip je da, u
prosjeku, dva objekta promatranja, koja su bliže, su sličnija od dva objekta promatranja koja su
udaljenija.
Eksperimentalni variogram određen je isključivo mjerenjima i sadrži sve nedostatke kojima
su mjerenja podložna, npr. pogreška u mjerenju, konačan broj mjerenja, neprikladne udaljenosti
među podacima itd. Nema egzaktni karakter i ne pokazuje uvijek direktno svojstva polja koje se
promatra. Njegov oblik ovisi o podjeli u razrede te služi za određivanje teorijskog modela
variograma. Za interpretaciju ovog variograma nema točno određenog kriterija. Ključno svojstvo
eksperimentalnog variograma je u tome što se ne analiziraju sama mjerenja, nego njihove razlike ili
inkrementi. Na taj način je povećan broj podataka za variogram jer za N mjerenja imamo N(N – 1)/2
parova (Andričević, R., 2006.). Dakle, broj mjerenja u bazi podataka je 1101 to znači da je 605 550
parova raspoloživo za variogram.
Posebnu vrstu variograma čine anizotoropni variogrami. U tom slučaju se variogram
prikazuje ne samo kao funkcija udaljenosti među točkama nego i kao funkcija orijentacije. Najbolji
primjer za to su općenito slojevite naslage gdje je horizontalna korelacija znatno veća od vertikalne.
Variogram je definiran izrazom:
∑
(3)
- variogram
- broj parova na međusobnoj udaljenosti h
- vrijednost varijable na koordinati
- vrijednost varijable na koordinati
Kod proračuna eksperimentalnog variograma (Slika 4.2.1.) prvo je potrebno odrediti hod/korak (lag
distance), odnosno udaljenost h među parovima točaka, zatim se izdvoje svi parovi točaka koji
imaju međusobnu zadanu udaljenost h (Žerjavić, V., 2011.). Prema izrazu (3) se dobiva vrijednost
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
14
variograma za zadanu udaljenost h. Zadaju se nove udaljenosti, tj. povećava se korak te se
računski postupak ponavlja za svaki zadani korak
Slika 4.2.1. Proračun eksperimentalnog variograma (Preuzeto: Žerjavić, V., 2011., Geostatističko modeliranje razine
podzemne vode)
Dobiveni eksperimentalni variogram za glinenu podinu HE Tihaljina ima korak od 50 metara,
toleranciju ±25 metara i domet 450 metara (Slika 4.2.2.).
Slika 4.2.2. Eksperimentalni variogram za glinenu podinu HE Tihaljina
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600
Lag Distance
0
5
10
15
20
25
30
Vario
gram
Direction: 0.0 Tolerance: 90.0Column D
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
15
Zahvaljujući velikom broju podataka koji su dobiveni istražnim radovima svaka točka u
eksperimentalnom variogramu izračunata je na osnovi relativno velikog broja parova vrijednosti
(nekoliko tisuća). Zbog toga se ovaj eksperimentalni variogram može smatrati potpuno pouzdanim.
4.3. Teorijski variogram
Teorijski model variograma je zapravo matematički definirana krivulja koja se najbolje
uklapa u eksperimentalni variogram dajući pritom najmanju grešku procjene prilikom provođenja
postupka cross validacije. Važno je što preciznije ukopiti teorijski u eksperimentalni model jer o
tome ovisi bolja procjena kriging metodom, naime, parametri teorijskog modela potrebni su za
rješavanje kriging jednadžbe.
U programu Surfer 8 sadržano je dvanaest najčešće korištenih teorijskih modela, (Slika 4.3.1.), koji
se međusobno razlikuju po obliku krivulje te njenom ponašanju u blizini izvora koordinatnog sustava
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
16
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
17
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
18
Slika 4.3.1. Teorijski modeli variograma (Preuzeto: Golden Software, Inc., 1993. – 2002., Surfer, User's Guide)
Sferni model se primjenjuje kada variogramska krivulja prema pragu raste vrlo brzo, što je slučaj
kod velike razlike u vrijednostima podataka na malim udaljenostima i velike vrijednosti ekstremnih
podataka (Malvić, T., 2008.).
Eksponencijalni model primjenjuje se na skupu gdje vrijednosti postupno rastu i padaju, a iznosi
ekstrema su mali u odnosu na iznose u preostalome dijelu skupa. Tada krivulja postupno raste
prema pragu uz veći doseg (Malvić, T., 2008.).
Gaussov model upućuje na vrlo ujednačen skup podataka s obzirom na razlike između njihovih
vrijednosti. Ovaj model se na početku ponaša parabolično i ima točku infleksije (Malvić, T., 2008.).
Linearni model se primjenjuje kada vrijednosti podataka postupno rastu s povećanjem udaljenosti
h, promijene varijabilnosti nisu toliko male kao i kod gaussovog modela ali su u prosijeku u velikoj
mjeri postupne.
Prema izgledu eksperimentalnog variograma odabrano je nekoliko teorijskih modela
(quadratic, spherical, cubic i pentaspherical) koji su uklopljeni u eksperimentalni variogram. U
programu Surfer 8 dopušteno je mijenjanje dometa za spomenute teorijske modele. Za svaki model
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
19
i različiti domet variograma proveden je postupak cross validacije. Rezultati su prikazani u tablici
4.3.1.
Tablica 4.3.1. Cross validacija teorijskih variograma s različitim dometima
DOMET 440 450 460 470 480 490 500 510
MODEL
quadratic 1,2850 1,2845 1,2856 1,2846 1,2845 1,2843 1,2842 1,2843
spherical 1,2806 1,2802 1,2807 1,2811 1,2810 1,2807 1,2805 1,2807
cubic 1,9186 1,9271 1,9355 1,9448 1,9520 1,9564 1,9566 1,9556
pentaspherical 1,2885 1,2875 1,2866 1,2859 1,2853 1,2848 1,2844 1,2840
U tablici se vidi da je od četiri odabrana teorijska modela najbolji rezultat cross validacije dao
sferični model za domet od 450 metara. Slika 4.2.3. prikazuje uklopljeni sferični variogram u
eksperimentalni. Postupak modeliranja glinene podine HE Tihaljina bazirat će se na uklopljenom
teorijskom variogramu.
Slika 4.3.2. Uklopljeni teorijski variogram u eksperimentalni
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
20
4.4. Izrada variograma u programu Surfer 8
Izrada variograma u programu Surfer 8 započinje odabirom opcije New Variogram (Slika
4.4.1.). Zatim će se otvoriti prozor za unos podataka u program, kada se odabere odgovarajuća
Excel datoteka (koja mora biti napravljena ili sačuvana u verziji 2003 programskog paketa Office)
otvara se novi izbornik, (Slika 4.4.2.), u kojem se odabiru odgovarajuće kolone iz kreirane Excel
datoteke u kartici Data odnosno polju Data Columns.
Slika 4.4.1. Otvoren izbornik za izradu variograma
Slika 4.4.2. Učitavanje podataka iz Excel datoteke u Surfer 8
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
21
U kartici General povećavamo ili smanjujemo broj ćelija polarne mreže odnosno grida,
(Slika 4.4.3.). Što je veći broj ćelija bit će i veći broj parova na raspolaganju. Svaki par je smješten u
svoju ćeliju koja je napravljena od separacijskih udaljenosti i kuteva.
Slika 4.4.3. Podešavanje polarnog grida
Nakon klika na OK gumb pojavit će se na radnom listu gruba verzija variograma, (Slika
4.4.4.) koju je moguće dodatno modificirati, a s obzirom na rezultat Cross validacije.
Slika 4.4.4. Gruba verzija variograma i njegove komponente
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
22
Modificiranje variograma započinje dvostrukim klikom na graf nakon čega se otvara
Variogram Properties. Prozor Variogram Properties sadrži četiri kartice: Experimental, Model,
Statistics, Plot. U prvoj kartici, Experimental, u polju Lag Direction, određuje se smjer tolerancije
Direction, kut tolerancije Tolerance te tolerancija kuta Step Amount, (Slika 4.4.5.). Na desnoj strani
kartice, pod Estimator Type opcijom odabire se Variogram, nadalje, Max Lag Dist je maksimalna
udaljenost među mjernim točkama (uzima se 1/3 maksimalne izmjerene udaljenosti). Number of
Lags je broj koraka (može biti više parova na istoj udaljenosti, tj. zadanom koraku), Lag Width
raspon udaljenosti (interval), npr. udaljenost je 20 to znači da program uzima točke u intervalima
(1h = 0 – 20, 2h = 20 – 40, 3h = 40 – 60 i tako do max.udaljenosti), i dobije se kao omjer: Max Lag
Distance/Number of Lags, ako se ta vrijednost poveća intervali se preklapaju pa se krivulja pegla.
Vertical Scale je skala na ordinati.
Slika 4.4.5. Kartica Experimental
Sljedeća kartica je Model, (Slika 4.4.6.), tu se odabiru teorijske krivulje variograma te se
preko dodatnih opcija, kao što su Nugget Effect, Scale, [vidi formulu (2)], Slope, Lenght (A),
Power..., (Slika 4.4.7.), uklapaju u eksperimentalnu krivulju variograma.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
23
Slika 4.4.6. Kartica Model
Slika 4.4.7. Opcije za modificiranje variograma
Nakon kartice Model dolazi kartica Statistics koja daje statistički pregled unešenih podataka
za svaki stupac X, Y i Z, (Slika 4.4.8.).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
24
Slika 4.4.8. Kartica Statistics
Zadnja kartica je Plot (Slika 4.4.9.) i u njoj odabiremo prikaz elemenata variograma.
Slika 4.4.9. Kartica Plot
Nakon uređenog variograma pristupa se Cross validaciji. Ovaj algoritam procijene radi tako
da se izostavi prvi ulazni podatak te se na temelju ostalih poznatih podataka i tehnike interpolacijske
metode izračuna vrijednost izostavljene točke, odnosno procjena i rezidual/pogreška (razlika
mjerene i procijenjene vrijednosti), zatim se izostavljeni podatak vraća u ulazni skup podataka i
izostavlja se slijedeći podatak. Opisani postupak se ponavlja za svaku slijedeću točku, odnosno sa
svih n podataka. Postupak se provodi preko naredbe Grid u alatnoj traci, (Slika 4.4.10.).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
25
Slika 4.4.10. Otvoren izbornik u alatnoj traci za Cross validaciju
Nakon čega se otvara prozor Open u kojem odaberemo excel datoteku s podacima po
kojima je rađen variogram. Odabirom datoteke otvara se prozor Grid Data, (Slika 4.4.11.).
Slika 4.4.11. Prozor Grid Data
U tom prozoru pod poljem Data Columns odabiru se odgovarajući stupci iz excel datoteke,
zatim pod poljem Gridding Method bira se Advanced Options, (Slika 4.4.12.).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
26
Slika 4.4.12. Prozor Kriging Advanced Options
Prozor Kriging Advanced Options nudi u polju Variogram Model linearni teorijski model
variograma koji se makne klikom na tipku Remove dok se željeni, napravljeni, variogram učita
klikom na tipku Get Variogram. Sve se potvrđuje s klikom na tipku OK te se vraća na izbornik Grid
Data, (Slika 4.4.13.), gdje se pristupa Cross validaciji.
Slika 4.4.13. Cross validacija
Nakon validiranja kreirano je izvješće u kojem se vidi rezultat, (Slika 4.4.14.).
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
27
Slika 4.4.14. Rezultat Cross validacije
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
28
5. METODA KRIGINGA
Kriging je metoda optimalne procjene neke varijable koja je raspodijeljena u prostoru i
mjerena na nekom konačnom broju lokacija. Primjerice mjerenja varijable Z u točkama prostora x1,
x2, …, xn, koje mogu istovremeno označavati točke u jednoj, dvije ili tri dimenzije (Zi). Problem
procjene neke varijable sastoji se u određivanju vrijednosti Z u nekoj točki prostora x0 u kojoj nema
mjerenja (Zi). Uzastopnim pomicanjem položaja točke x0 moguće je doći do procjene cijelog polja
varijable Z, odnosno njezine cjelovite prostorne distribucije (Andričević, R., 2006.).
Postoji više metoda kriginga a razlikuju se po obliku matrične jednadžbe:
- jednostavni kriging (Simple Kriging)
- obični kriging (Ordinary Kriging)
- indikatorski kriging (Indicator Kriging)
- univerzalni kriging (Universal Kriging)
- disjunktivni kriging (Disjunctive Kriging)
S obzirom da je proračun debljine glinene podine izvršen tehnikom običnog kriginga u daljnjem
tekstu bit će detaljnije i objašnjen.
Princip rada metode prikazan je formulama kojima je i definirana. Zk je vrijednost regionalizirane
varijable koja se procjenjuje. Zi su poznate odnosno izmjerene vrijednosti na osnovu kojih se procjenjuje. λi je
težinski faktor ili ponder koji se dodjeljuje svakoj izmjerenoj vrijednosti Zi (4).
∑
(4)
Rješavanjem sustava linearnih jednadžbi kriginga (9), koje su prikazane u matričnom obliku, (5),
(6), (7), (8), dolazi se do vrijednosti λi.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
29
(5)
[
]
(6)
[
]
(7)
[
]
(8)
Gdje su:
- vrijednosti variograma ovisne o
udaljenostima među poznatim točkama
- težinski koeficijenti ili ponderi
- vrijednosti variograma ovisne o
udaljenostima između točke koja se
procjenjuje i okolnih poznatih točaka
- Lagrangeov multiplikator
Raspisivanjem matrice kriginga dolazi se do sustava linearnih jednadžbi (9).
(9)
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
30
Procjena načinjena krigingom podrazumijeva da su zadovoljeni određeni kriteriji. Prema
njima procjena mora biti nepristrana te načinjena tako da je varijanca razlike između stvarnih i
procjenjenih vrijednosti u odabranim točkama najmanja moguća. To se naziva još i varijanca
kriginga (10). Nakon završetka procjene na odabranom gridu algoritam kriginga također računa
predviđenu i stvarnu grešku procjene. Te vrijednosti se mogu usporediti s mjerenom vrijednošću na
kontrolnoj točki koja je upotrijebljena kao ulazni podatak. Na taj način se određuje pouzdanost
procjene te kvaliteta odabranog prostornog modela (Malvić, T., 2005.).
∑
(10)
- varijanca kriginga, rezidual ili greška procjene
- ukupni broj procijenjenih ili mjerenih vrijednosti
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
31
6. KRIGIRANI MODEL GLINENE PODINE
Interpolacijskim metodama se procjenjuju vrijednosti varijable u točkama promatranog
skupa podataka. U ovom radu se radi o skupu podataka sa izmjerenim debljinama glinene podloge
HE Tihaljina. Primjenom metode kriginga napravljen grafički model te su dobivene vrijednosti
debljine sloja gline na onim mjestima gdje nije bilo terenskih istražnih radova.
Na temelju izvršene variogramske analize, krigingom je izrađen prostorni prikaz odnosno
model debljine sloja gline koja služi kao podina akumulacijskom jezeru HE Tihaljina. Model debljine
sloja gline izrađen je primjenom računalnog programa Golden Software Surfer 8.
Slika 6.1. prikazuje model glinenog sloja Bilog polja na kojemu je akumulacijsko jezero HE Tihaljina.
Slika također prikazuje i položaj geofizičkih profila odnosno geofona koji su prikazani crvenim
točkama.
Debljina sloja gline u području akumulacijskog jezera varira od 3 do 28,5 metara. Zbog toga je
debljina gline podijeljena u razrede širine 3 metra.
Sloj gline je neprekinut što znači da je u tom području moguće ostvariti akumulacijsko jezero.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
32
Slika 6.1. Model debljine sloja gline koji služi kao podina akumulacijskom jezeru HE Tihaljina
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
33
7. ZAKLJUČAK
Svrha ovog rada bila je napraviti što točniji model glinene podine akumulacije HE Tihaljina.
Kako bi se dobio takav model potrebno je napraviti bazu podataka koji uključuju X i Y koordinate te
pripadajuće debljine gline. Podaci su dobiveni najvećim dijelom geofizičkim istražnim radovima i
manjim dijelom istražnim bušenjima. Podaci su obrađeni u ArcGIS – u.
Baza podataka je zatim obrađena u programu Surfer 8 koji sadrži 9 interpolacijskih metoda.
Postupkom cross validacije odabrana je metoda interpolacije koja daje najmanju grešku procjene.
Između ponuđenih devet metoda odabrana je metoda kriginga čija je greška procjene bila
najmanja. Algoritam kriging metode proračunava procijenjene vrijednosti na temelju variograma koji
ulaze u matricu kriginga.
Kako bi se dobio krigirani model potrebno je prije svega izraditi eksperimentalni variogram.
U ovom konkretnom slučaju eksperimentalni variogram je izrađen na osnovi vrlo velikog broja
podataka. Stoga se taj variogram može smatrati pouzdanim opisom promjene regionalizirane
varijable u prostoru.
U programu Surfer 8 na raspolaganju stoji 12 teorijskih modela variograma. Usporedbom
oblika eksperimentalnog i teorijskih variograma odabrana su četiri teorijska modela za daljnju
analizu. Postupak cross validacije je proveden za različite domete variograma za svaki teorijski
model posebno. Na osnovi tih rezultata odabran je sferični model s dometom od 450 metara.
Krajnji rezultat opisanog postupka je model glinene podine akumulacijskog jezera HE
Tihaljina. Model sadrži linije koje povezuju točke jednake debljine gline i skalu boja koje označavaju
različite razrede debljine gline.
Budući da je greška procjene pri odabiru metode i odabiru variograma uz detaljno podešavanje
parametara variograma bila najmanja moguća, smatra se da je ovaj model glinene podine
akumulacijskog jezera HE Tihaljina najtočniji.
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
34
8. LITERATURA
1. Andričević R., Gotovac H., Ljubekov I. 2006., Geostatistika, Sveučilište u Splitu,
Građevinsko-arhitektonski fakultet
2. Baturić, I., Andrić, M., Strelec, S., Gazdek, M., Đunđek, A., Koprek, T., Soldo, B., Rašković,
G., 1999. Izvješće o geofizičkim istražni radovima SVEZAK I. tekstualni dio i orijentacijski
prilozi, Geotehnički fakultet u Varaždinu
3. Baturić, I., Andrić, M., Strelec, S., Gazdek, M., Đunđek, A., Koprek, T., Soldo, B., Rašković,
G., 1999. Izvješće o geofizičkim istražni radovima SVEZAK II. prilozi uz poglavlje o seizmičkoj
refrakciji, geoelektričnom sondiranju i seizmičkoj refleksiji, Geotehnički fakultet u Varaždinu
4. Baturić, I., Andrić, M., Strelec, S., Gazdek, M., Đunđek, A., Koprek, T., Soldo, B., Rašković,
G., 1999. Izvješće o geofizičkim istražni radovima SVEZAK III. prilozi s podacima mjerenja,
obrade i interpretacije za refrakcijske sonde i geoelaktrične sonde, Geotehnički fakultet u
Varaždinu
5. Golden Software, Inc., 2002., Surfer-User’s Guide, 809 14th Street, Golden, Colorado 80401-
1866, U.S.A.
6. Herak, M., 1990., Geologija, Školska knjiga
7. Hohn, Michael E., 1988., Geostatistics and petroleum geology, Van Nostrand Reinhold
8. Jakosky, J.J., 1963., Geofizička istraživanja, Naučna knjiga
9. Malvić, T., Gaćeša, S., 2006., Geostatistika u opisivanju ležišta ugljikovodika, INA – industrija
nafte
10. Malvić, T., 2008., Primjena geostatistike u analizi geoloških podataka, udžbenici Sveučilišta u
Zagrebu
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
35
11. Malvić, T., 2005., Kriging
www.geologija.hr/pdf/Kriging_2.izd..pdf
12.
13.
Raić, V., Papeš, J. 1978., Tumač za list Imotski K 33 – 23, Savezni geološki zavod
Žerjavić, V., 2011., Geostatističko modeliranje razine podzemne vode, diplomski rad,
Geotehnički fakultet, Sveučilište u Zagrebu
SVEUČILIŠTE U ZAGREBU GEOTEHNIČKI FAKULTET
36
9. SAŽETAK
AUTOR: Ante Čubaković
NASLOV RADA: Geostatistički model glinene podine akumulacije HE Tihaljina
KLJUČNE RIJEČI: greška procjene, variogram, kriging, debljina sloja gline, model debljine sloja
gline
Analiziran je glineni sloj Bilog polja koji služi kao podina akumulacijskom jezeru HE
Tihaljine. Korišteni su podaci geofizičkih istražnih radova i istražnih bušenja iz tog područja. Treba
napomenuti važnost kvalitetne i pouzdane procjene debljine glinenog sloja kako bi se formirala
akumulacija, smanjili gubici i omogućio pouzdan rad hidroelektrane. Za obradu podataka korišten je
računalni program Surfer 8 koji obuhvaća 9 interpolacijskih metoda.
Svaka procjena povlači grešku procjene koja predstavlja razliku između stvarne i
procjenjene vrijednosti. U radu je odabrana metoda kriginga koja je dala najmanju grešku procjene.
Kod procjene kriging metodom odabran je najbolji teorijski model variograma koji ulazi u proračun
matrice kriginga i daje najbolje rezultate procjene. Krajnji rezultat rada je model debljine glinene
podloge.