បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហាភាពមិនឯកត្តកម្ម (Non-uniqueness) ក្នុងការបកស្រាយទិន្នន័យវាលសក្តានុពល (Potential field data) និងការលំបាកក្នុងការរួមបញ្ចូលទិន្នន័យដែលមានមាត្រដ្ឋានផ្សេងៗគ្នា រវាងទិន្នន័យលើផ្ទៃ និងទិន្នន័យក្នុងរន្ធខួង ដើម្បីបង្កើតគំរូធរណីមាត្រក្រោមដីឱ្យបានត្រឹមត្រូវ។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានស្នើឡើងនូវវិធីសាស្ត្រប្រែត្រឡប់ស្តូកាស្ទិច ៣ វិមាត្រ (3D Stochastic Inversion) ដោយប្រើប្រាស់គោលការណ៍ស្ថិតិធរណីសាស្ត្រ (Geostatistics) ដើម្បីប៉ាន់ប្រមាណលក្ខណៈរូបវន្តនៃដី។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Separate Inversion (Cokriging) ការប្រែត្រឡប់ដាច់ដោយឡែកដោយប្រើវិធីសាស្ត្រ Cokriging |
ផ្តល់នូវដំណោះស្រាយរលូន (Smooth solution) និងអាចដោះស្រាយជាមួយទិន្នន័យដែលមានសំឡេងរំខាន (Noise) បានល្អតាមរយៈ Nugget effect។ | ជារឿយៗមិនអាចកំណត់ជម្រៅនៃប្រភពបានត្រឹមត្រូវទេ ប្រសិនបើគ្មានទិន្នន័យពីរន្ធខួង ហើយអាចបង្កើតរចនាសម្ព័ន្ធដែលមានលក្ខណៈស៊ីមេទ្រីរង្វង់មិនពិតប្រាកដ។ | កម្រិតនៃភាពជាប់ពាក់ព័ន្ធ (Correlation) ជាមួយគំរូជាក់ស្តែងមានកម្រិតទាប (ប្រហែល ០.១២ សម្រាប់ដង់ស៊ីតេ និង ០.៤១ សម្រាប់ភាពងាយទទួលរងម៉ាញ៉េទិច)។ |
| Joint Inversion ការប្រែត្រឡប់រួមគ្នា (ទំនាញ និងម៉ាញ៉េទិច) |
ប្រើប្រាស់ព័ត៌មានបំពេញបន្ថែមគ្នាទៅវិញទៅមក (Complementary info) ដែលធ្វើឱ្យការកំណត់ជម្រៅ និងរូបរាងនៃរ៉ែមានភាពច្បាស់លាស់ជាងមុន។ | ទាមទារឱ្យមានទំនាក់ទំនងរូបវន្តរវាងដង់ស៊ីតេ និងភាពងាយទទួលរងម៉ាញ៉េទិច ហើយដំណើរការគណនាមានភាពស្មុគស្មាញជាង។ | កម្រិតនៃភាពជាប់ពាក់ព័ន្ធ (Correlation) កើនឡើងដល់ ០.៧៧ ដែលបង្ហាញថាវាអាចបង្កើតគំរូក្រោមដីបានត្រឹមត្រូវជាងវិធីសាស្ត្រដាច់ដោយឡែក។ |
| Depth Weighting វិធីសាស្ត្រថ្លឹងទម្ងន់ជម្រៅ (Li & Oldenburg approach) |
ជួយកាត់បន្ថយបញ្ហានៃការប្រមូលផ្តុំរចនាសម្ព័ន្ធនៅជិតផ្ទៃដី (Lack of depth resolution)។ | ជាវិធីសាស្ត្របែបពិសោធន៍ (Empirical) ដែលមិនអាចជំនួសទិន្នន័យជាក់ស្តែងពីរន្ធខួងបានទេ ហើយអាចបង្ខំឱ្យរ៉ែមានជម្រៅខុសពីការពិត។ | មិនអាចផ្តល់លទ្ធផលល្អដូចការប្រើប្រាស់ទិន្នន័យពីរន្ធខួងផ្ទាល់នោះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ វិធីសាស្ត្រនេះមានប្រសិទ្ធភាពក្នុងការគណនាសម្រាប់ម៉ូដែលខ្នាតមធ្យម (អាចដំណើរការលើកុំព្យូទ័រយួរដៃក្នុងរយៈពេលតិចជាង ១០ នាទី) ប៉ុន្តែទាមទារធនធានអង្គចងចាំខ្ពស់សម្រាប់ម៉ូដែលធំ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីអណ្តូងរ៉ែ Perseverance នៅតំបន់ Matagami ខេត្ត Quebec ប្រទេសកាណាដា ដែលជាតំបន់សម្បូរដោយរ៉ែស៊ុលហ្វីត (VMS) ក្នុងខ្សែក្រវ៉ាត់ថ្មបៃតង Archean ។ លក្ខណៈធរណីសាស្ត្រនេះអាចខុសគ្នាពីតំបន់មួយចំនួននៅកម្ពុជា ប៉ុន្តែគោលការណ៍នៃវិធីសាស្ត្រនេះអាចអនុវត្តបានជាសកល។
វិធីសាស្ត្រនេះមានសារៈសំខាន់ខ្លាំងសម្រាប់កម្ពុជា ដោយសារវាអនុញ្ញាតឱ្យប្រើប្រាស់ទិន្នន័យដែលមានស្រាប់ឱ្យអស់លទ្ធភាព ជាពិសេសនៅពេលទិន្នន័យរន្ធខួងមានកម្រិត។
ការអនុវត្តបច្ចេកទេសនេះនឹងជួយកាត់បន្ថយហានិភ័យ និងចំណាយក្នុងការរុករករ៉ែនៅកម្ពុជា ដោយផ្តល់នូវគំរូក្រោមដីដែលមានភាពជឿជាក់ខ្ពស់មុននឹងសម្រេចចិត្តខួង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Stochastic Inversion | ជាវិធីសាស្ត្រគណិតវិទ្យាដែលប្រើប្រាស់គោលការណ៍ស្ថិតិ និងប្រូបាប៊ីលីតេ ដើម្បីបង្កើតគំរូនៃរចនាសម្ព័ន្ធក្រោមដីជាច្រើនខុសៗគ្នា ប៉ុន្តែគំរូទាំងអស់នោះសុទ្ធតែអាចបង្កើតទិន្នន័យដែលត្រូវគ្នាជាមួយនឹងទិន្នន័យដែលបានវាស់វែងជាក់ស្តែង។ វាមិនផ្តល់ចម្លើយតែមួយនោះទេ ប៉ុន្តែផ្តល់នូវចម្លើយដែលអាចទៅរួចជាច្រើនដើម្បីវាយតម្លៃហានិភ័យ។ | ដូចការទស្សន៍ទាយមុខម្ហូបដោយផ្អែកលើក្លិនឈ្ងុយចេញពីផ្ទះបាយ វាអាចជាម្ហូបច្រើនមុខដែលបណ្តាលឱ្យមានក្លិនស្រដៀងគ្នា មិនមែនមានតែមួយមុខគត់នោះទេ។ |
| Cokriging | ជាបច្ចេកទេសប៉ាន់ប្រមាណក្នុងស្ថិតិធរណីសាស្ត្រ (Geostatistics) ដែលប្រើប្រាស់ទំនាក់ទំនងរវាងអថេរពីរ ឬច្រើន (ឧទាហរណ៍ ទំនាក់ទំនងរវាងទំនាញដី និងដង់ស៊ីតេថ្ម) ដើម្បីទស្សន៍ទាយតម្លៃនៅទីតាំងដែលមិនមានទិន្នន័យ ដោយផ្អែកលើទិន្នន័យដែលមាននៅទីតាំងជិតខាង។ | ប្រៀបដូចជាការប៉ាន់ស្មានពិន្ទុគណិតវិទ្យារបស់សិស្សម្នាក់ ដោយមើលលើពិន្ទុរូបវិទ្យារបស់គាត់ ព្រោះមុខវិជ្ជាទាំងពីរនេះតែងតែមានទំនាក់ទំនងគ្នាល្អ។ |
| Joint Inversion | ជាដំណើរការនៃការវិភាគទិន្នន័យរូបវិទ្យាពីរប្រភេទផ្សេងគ្នា (ដូចជា ទិន្នន័យទំនាញ និងទិន្នន័យម៉ាញ៉េទិច) ក្នុងពេលតែមួយ ដើម្បីបង្កើតគំរូធរណីសាស្ត្រក្រោមដីតែមួយ។ ការធ្វើបែបនេះជួយកាត់បន្ថយភាពមិនច្បាស់លាស់ និងធ្វើឱ្យលទ្ធផលកាន់តែត្រឹមត្រូវជាងការវិភាគដាច់ដោយឡែក។ | ដូចជាការស្តាប់សំឡេងផង និងមើលរូបភាពផង ដើម្បីយល់ពីសាច់រឿងក្នុងភាពយន្តឱ្យកាន់តែច្បាស់ ជាជាងគ្រាន់តែស្តាប់ ឬមើលតែមួយមុខ។ |
| Potential Fields | ក្នុងបរិបទនេះ សំដៅលើវាលទំនាញ (Gravity) និងវាលម៉ាញ៉េទិច (Magnetic) ដែលជាវាលកម្លាំងធម្មជាតិ។ អ្នកស្រាវជ្រាវវាស់វែងបម្រែបម្រួលនៃវាលទាំងនេះនៅលើផ្ទៃដី ដើម្បីកំណត់ទីតាំង និងលក្ខណៈនៃរ៉ែ ឬរចនាសម្ព័ន្ធថ្មដែលកប់នៅក្រោមដី។ | ដូចការប្រើដែកឆក់ដើម្បីរាវរកម្ជុលដែលកប់ក្នុងគំនរខ្សាច់ ដោយចាប់យកកម្លាំងទាញរបស់វា មិនចាំបាច់មើលឃើញម្ជុលផ្ទាល់ទេ។ |
| Linear Model of Coregionalization (LCM) | ជាគំរូគណិតវិទ្យាដែលប្រើសម្រាប់ពិពណ៌នាអំពីរបៀបដែលបម្រែបម្រួលនៃទិន្នន័យពីរប្រភេទ (ដូចជា ដង់ស៊ីតេ និងភាពងាយទទួលរងម៉ាញ៉េទិច) មានទំនាក់ទំនងគ្នានៅក្នុងលំហ។ វាធានាថាការប៉ាន់ប្រមាណដោយប្រើ Cokriging មានភាពត្រឹមត្រូវតាមលក្ខណៈគណិតវិទ្យា។ | ដូចជាការបង្កើតរូបមន្តមួយដើម្បីពន្យល់ថា ហេតុអ្វីបានជាមនុស្សខ្ពស់ ច្រើនតែមានទម្ងន់ធ្ងន់ និងដៃជើងវែង គឺដោយសារពួកគេមានទំនាក់ទំនងនៃការលូតលាស់ដូចគ្នា។ |
| Conditional Simulation | ជាការបង្កើតរូបភាព ឬគំរូជាច្រើននៃស្រទាប់ដី ដែលគោរពតាមទិន្នន័យជាក់ស្តែងដែលបានវាស់វែង (ដូចជានៅរន្ធខួង) និងរក្សានូវភាពប្រែប្រួលតាមធម្មជាតិនៃទិន្នន័យ។ វាត្រូវបានប្រើដើម្បីវិភាគភាពមិនប្រាកដប្រជា (Uncertainty analysis)។ | ប្រៀបដូចជាការឱ្យសិស្សគូររូបទេសភាពមួយ ដោយតម្រូវឱ្យមានដើមឈើនៅទីតាំងជាក់លាក់មួយចំនួន សិស្សម្នាក់ៗអាចគូររូបខុសគ្នា ប៉ុន្តែដើមឈើនៅតែស្ថិតនៅទីតាំងដែលបានកំណត់ដដែល។ |
| Forward Modeling | ជាដំណើរការនៃការគណនាដើម្បីរកមើលថា តើទិន្នន័យដែលវាស់លើផ្ទៃដី (ដូចជាទំនាញ) គួរមានតម្លៃប៉ុន្មាន ប្រសិនបើយើងសន្មតថាស្គាល់ច្បាស់ពីរចនាសម្ព័ន្ធ និងលក្ខណៈសម្បត្តិនៃដីនៅខាងក្រោម។ នេះគឺជាដំណើរការបញ្ច្រាសនៃការ Inversion។ | ដូចការដឹងថាអំពូលភ្លើងមានពន្លឺខ្លាំងប៉ុណ្ណា រួចគណនាថាតើវានឹងបញ្ចាំងពន្លឺបានឆ្ងាយប៉ុណ្ណា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
