Аспекти створення сховища даних (data warehouse) первинної геолого-геофізичної інформації
Анотація
Геологічна галузь України загалом є достатньо консервативною. Проте вагомий поступ світової наукової думки й удосконалення технологій видобутку корисних копалин потребує переосмислення первинної геологічної інформації (ПГІ). За часів Радянського Союзу в період інтенсивного розвитку геологорозвідувальних робіт (ГРР) створено й накопичено великі обсяги ПГІ. Переінтерпретація та переосмислення цієї інформації за допомогою новітніх методик, підходів і технологій є важливим завданням. Крім того, і досі актуальна проблема збереження ПГІ, велика кількість якої акумульована на паперових носіях. Єдиний спосіб полегшити обіг ПГІ й забезпечити її належне збереження – створити централізоване цифрове сховище даних із застосуванням новітніх інформаційних технологій їхнього зберігання, оброблення та аналізу. Такі заходи сприятимуть швидкому пошуку й аналізу ПГІ, полегшать планування ГРР і набагато підвищать загальну ефективність робіт, включно з економічною. У статті окреслено аспекти створення сховища даних ПГІ. Висвітлено інфраструктуру, архітектуру та етапність цього процесу. Визначено технологічні підходи, послідовність виконання робіт. Розглянуто сучасні технології, зокрема пов’язані з “великими даними” (англ. big data), на які мають орієнтуватися виконавці робіт. Первинна геологічна інформація є частково структурованою або неструктурованою, а її обсяги постійно зростають з великою швидкістю. Запровадження сучасних технологій, пов’язаних з “великими даними”, дасть змогу створити гнучкі потужні системи, що мають забезпечити горизонтальне масштабування за обчислювальною потужністю і розміром сховища, проводити оперативне первинне оброблення та аналіз даних, потрібних користувачеві.
Посилання
Lebedev A. Ju., Berezko A. E. Creating a centralized catalog of geodata processing algorithms//Geoinformatika. – 2010. – № 2. – Р. 67–70. (In Russian).
Mironov P. Efficiency of using Big Data in the life cycle of the exploration activities of oil and gas companies//Jenergetika i promyshlennost Rossii. – 2016. – № 13–14 (297–298). (In Russian).
Cao MengXue, Lu LaiJun, Lv Yan, Xin Shuang. Samples optimum analysis of geochemical big data in the northern margin of Ordos Basin. – 2018. – Vol. 34. – № 2.– P. 363–371.
Deibe David, Amor Margarita, Doallo Ramon. Big data storage technologies: a case study for web-based LiDAR visualization//IEEE International Conference on Big Data. – 2018. – P. 3831–3840.
Fang Jun, Li Chaokui, Zhao Yanan, Xiao Keyan, Wu Baiyan. Research on Distributed Storage Method for Big Data of Geological and Mineral Resources Based on Hadoop//International Conference on Geoinformatics. – 2018.
Jiao Shoutao, Zhang Qi, Zhou Yongzhang, Chen Wanfeng and others. Progress and challenges of big data research on petrology and geochemistry//Solid earth sciences. – 2018. – Vol. 3. – № 4. – P. 105–114.
Martinez-Santos P., Renard P. Mapping Groundwater Potential Through an Ensemble of Big Data Methods//Groundwater. – 2019.
Wu Liang, Xue Lei, Li Chaoling, Lv Xia, Chen Zhanlong, Jiang Baode, Guo Mingqiang, Xie Zhong. A Knowledge-Driven Geospatially Enabled Framework for Geological Big Data//Isprs international journal of geoinformation. – 2017. – Vol. 6. – № 6. – Number of article: 166.
Zhang Qi, Zhou YongZhang. Big data helps geology develop rapidly//Acta petrologica sinica. – 2018. – Vol. 34. – № 11. – P. 3167–3172.
Zhou YongZhang, Chen Shuo, Zhang Qi, Xiao Fan, Wang ShuGong, Liu YanPeng, Jiao ShouTao. Advances and prospects of big data and mathematical geoscience//Acta petrologica sinica. – 2018. – Vol. 34. – № 2. – P. 255–263.
Zhou YongZhang, Wang Jun, Zuo RenGuang, Xiao Fan, Shen WenJie; Wang ShuGong//Machine learning, deep learning and Python language in field of geology.– 2018.–Vol. 34.– № 11.– P. 3173–3178.

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.