Module also offered within study programmes:
General information:
Name:
Geostatistics
Course of study:
2019/2020
Code:
GIGR-2-406-GO-n
Faculty of:
Mining and Geoengineering
Study level:
Second-cycle studies
Specialty:
Open pit mining
Field of study:
Mining Engineering
Semester:
4
Profile of education:
Academic (A)
Lecture language:
English
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż. Naworyta Wojciech (naworyta@agh.edu.pl)
Module summary

Student knows basic problems of spatial data analysis; Knows the geostatistics assumptions, learns the basic geostatistics tool – variogram. Can interpret the variogram; Knows kriging and its application; Can assess the accuracy of interpolation; Knows the rules of geostatistical simulation.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Student is aware of the need of the lifelong lerning IGR2A_K01, IGR2A_K04 Activity during classes,
Participation in a discussion
Skills: he can
M_U001 Student can interpret map of the kriging standard deviation IGR2A_U04, IGR2A_U05 Activity during classes,
Execution of exercises,
Test
M_U002 Student can interpolate data using kriging method IGR2A_U04, IGR2A_U05 Activity during classes,
Execution of exercises,
Test
M_U003 Student can analyze the spatial distributed data using semivariogram IGR2A_U05 Activity during classes,
Execution of exercises,
Test
Knowledge: he knows and understands
M_W001 Student knows the basic assumptions of the geostatistics IGR2A_W02, IGR2A_W01 Activity during classes,
Execution of exercises
M_W002 Student knows the geostatistical tools: variogram, kriging IGR2A_W02, IGR2A_W01 Activity during classes,
Case study,
Execution of exercises,
Test
M_W003 Student knows the fields of the geostatistics application IGR2A_W02, IGR2A_W01 Activity during classes,
Participation in a discussion,
Scientific paper
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
15 9 6 0 0 0 0 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Student is aware of the need of the lifelong lerning + - - - - - - - - - -
Skills
M_U001 Student can interpret map of the kriging standard deviation - + - - - - - - - - -
M_U002 Student can interpolate data using kriging method - + - - - - - - - - -
M_U003 Student can analyze the spatial distributed data using semivariogram - + - - - - - - - - -
Knowledge
M_W001 Student knows the basic assumptions of the geostatistics + + - - - - - - - - -
M_W002 Student knows the geostatistical tools: variogram, kriging + + - - - - - - - - -
M_W003 Student knows the fields of the geostatistics application + - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 78 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 15 h
Preparation for classes 15 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 20 h
Realization of independently performed tasks 25 h
Examination or Final test 2 h
Contact hours 1 h
Module content
Lectures (9h):

Introduction into the problem of spatial data analysis
Fields of the geostatistics application,
Basic assumptions of the geostatistics, normality of the distribution and stationarity
Exploratory analysis of the dataset
Introduction into variogram analysis, characteristics of the variogram, modeling of the variogram, anisotropy,
Interpolation methods, kriging, ordinary kriging, co-kriging, universal kriging,
Standard deviation of the kriging
Introduction into the stochastic simulation,

Auditorium classes (6h):

Analysis of the data sets including: exploratory analysis, calculation of the variogram, analysis of the anisotropy, variogram modeling, interpolation of the datasets with the kriging method, interpretation of the kriging standard deviation map.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Auditorium classes: Podczas zajęć audytoryjnych studenci na tablicy rozwiązują zadane wcześniej problemy. Prowadzący na bieżąco dokonuje stosowanych wyjaśnień i moderuje dyskusję z grupą nad danym problemem.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

The condition for passing is to complete tasks as part of the exercises and pass the final test

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Auditorium classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci przystępując do ćwiczeń są zobowiązani do przygotowania się w zakresie wskazanym każdorazowo przez prowadzącego (np. w formie zestawów zadań). Ocena pracy studenta może bazować na wypowiedziach ustnych lub pisemnych w formie kolokwium, co zgodnie z regulaminem studiów AGH przekłada się na ocenę końcową z tej formy zajęć.
Method of calculating the final grade:

Final grade will be calulated based on the final test grade

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Arrears due to absence can be made up during consultation hours

Prerequisites and additional requirements:

Mathematics course and basic of mathematical statistics

Recommended literature and teaching resources:

C.V. Deutsch and A.G. Journel, 1998, GSLIB: Geostatistical Software Library and
User's Guide, Second Edition, Oxford University Press;

P. Goovaerts, 1997, Geostatistics for Natural Resources Evaluation, Oxford
University Press;

E.H. Isaaks and R.M. Srivastava, 1989, An Introduction to Applied Geostatistics,
Oxford University Press'

Scientific publications of module course instructors related to the topic of the module:

Naworyta W., Sypniowski Sz., Benndorf J. (2015): Planning for reliable coal Quality delivery considering geological variability: a case study in Polish lignite mining, Journal of Quality and Reliability Engineering, Art. ID 941879, s. 1-9
Wasilewska-Błaszczyk M., Naworyta W. (2015): Geostatystyczna analiza parametrów złoża węgla brunatnego w funkcji postępów projektowanej eksploatacji, Gospodarka Surowcami Mineralnymi, t. 31, z. 4, s. 77-92
Naworyta W. (2015): Zastosowanie symulacji geostatystycznej w procesie analizy złoża pod kątem jego eksploatacji – przypadek złoża antropogenicznego, Górnictwo Odkrywkowe, R. 56, nr 2, s. 103-109
Wasilewska-Błaszczyk M., Naworyta W., (2015): Zaawansowane techniki geostatystyczne we wstępnym etapie projektowania zagospodarowania złoża, Górnictwo Odkrywkowe, R. 56, nr 2, s. 95-102
Naworyta W. (2006): Analiza i modelowanie danych geologicznych z wykorzystaniem narzędzi geostatystycznych dla celów projektowania górniczego, Górnictwo Odkrywkowe, R. 48, nr 1-2, s. 76-81
Naworyta W. (2008): Analiza zmienności parametrów złożowych węgla brunatnego pod kątem sterowania jakością strumienia urobku, Gospodarka Surowcami Mineralnymi, t. 24, z. 2/4, s. 97-110

Additional information:

all information is given above