series

series 是 ImplicitCoKriging 类中的一个方法，用于计算块序列（sequence of blocks）的概率场值（potential field value）。

输入参数

• ks：表示一个块序列，类型为 pandas.DataFrame，其中包含以下列：

  • X、Y、Z：该块在三维空间中的中心点坐标。

  • dip、azimuth、polarity：用于定义三维块的方向和倾角的属性。

  • id：每个块的唯一标识符。

  • range：由 GaussianDistribution 对象返回的标量值，表示该块范围内可接受的距离范围。

• values：表示一个包含样本点的 pandas.DataFrame。样本点应满足以下限制：

  • X、Y、Z 列包含 3D 空间中的坐标。

  • value 表示该样本点的属性值。

• output：表示所需的输出模式。可以为以下三种：

  • points：返回所有块序列中的点的概率值。

  • id：返回指定块序列中每个块的概率值。

  • geology：返回指定块序列中每个块的地质标签 (geological label)。

• n_closest：表示要考虑的最近的样本点个数。默认为 4。

• rescale：表示是否将结果缩放到 [0, 1] 范围内。默认为 True。

输出结果

• points：包含每个块序列中每个点的概率值，类型为 numpy.ndarray。

• id：包含指定块序列中每个块的概率值，类型为 pandas.DataFrame。

• geology：包含指定块序列中每个块的地质标签，类型为 pandas.DataFrame。

示例

import gempy as gp

# create the model
model = gp.create_model('my_model')

# add surfaces
gp.init_data(model, [0, 0, 0], [100, 100, 100], [10, 10, 10])
gp.add_surfaces(model, ['surface1', 'surface2'])

# add series
gp.add_series(model, 'series1', ['surface1', 'surface2'], order_series=0)

# initialize interpolator
gp.set_interpolator(model, theano_optimizer='fast_run', compile_theano=True, verbose=[])

# assign data
gp.set_data(model, 'surface1', 50)
gp.set_data(model, 'surface2', 75)

# interpolation
gp.compute_model(model)

# calculate probabilities for a block sequence
ks = gp.get_blocks(model, [0, 0, 0], [100, 100, 100], [20, 20, 20], origin=[0, 0, 0])
values = gp.get_raw_data(model)
k_probs = gp.get_probability(model, ks, values, output='points')

参考资料

• Gempy 中文文档：https://www.gempy.org/documentation/中文版/
• Gempy 源代码：https://github.com/cgre-aachen/gempy