ユニット 4 / 11

重力および磁気データの処理と解釈

利益:

  • 潜在的なフィールド処理補正 (ブーゲー、土地、対数、IGRF) および地域残留物分離のパラメーター感度を理解し、さまざまな分離でテストする能力
  • 深さ振幅の不確実性と磁気緯度効果(極への縮小)を考慮して、音源の位置を正しく解釈する能力
  • 電位場の解釈を単一のモデルに固定することなく、代替シナリオおよび地震/井戸を使用して電位場の解釈を相互検証する機能

耐震法は高価であり、どこにでも適用できるわけではありません。ここで、ポテンシャル場法 (重力と磁気) が活躍します。比較的安価な方法で、広範囲を迅速にスキャンし、盆地や鉱体の大まかな構造を明らかにします。重力法では、地下の密度差によって生じる非常に小さな重力変化を測定します。磁気法では、岩石の磁化(磁化率)の違いから生じる磁場の変化を測定します。この単元では、人工知能 (AI) が異常識別と深さ推定という 2 つの方法の処理をどのように高速化するかを説明します。潜在的な分野に特有の強い不確実性があるため、AI の使用には特に注意が必要である理由を見ていきます。

潜在的なフィールドデータの性質

辞書から始めましょう。異常、地域の期待値からの逸脱。言い換えれば、それは私たちが興味を持っている地下構造の特徴です。重力では、生の測定値は多くの補正を受けます:自由空気補正(標高の影響)、ブーゲー補正(測定値と基準の間の岩盤の影響)、および地形補正(地形の影響)。結果として生じるブーゲー異常は、地下の密度の違いを反映しています。磁気学では、日次変動と主磁場 (IGRF) を差し引いて磁気異常を求めます。

ポテンシャル場の主な課題は、深さと振幅の不確実性です。小さくて浅いソースと大きくて深いソースは、ほぼ同じ表面異常を引き起こす可能性があります。これは地震における多義性の潜在的な場の状態であり、AI はそれを排除するのではなく、それを加速するだけです。だからこそ、解説の中で私はいつも「この異常を説明するさまざまなモデルは何種類あるのか?」と尋ねます。という質問がされる。

処理とフィールド分離における AI

ポテンシャルフィールド処理の中心は、領域と残留物の分離です。つまり、広く深いソースからゆっくりと変化する地域成分を分離し、浅い局所ソースから残留成分を分離します。古典的な方法は、多項式フィッティングまたは波長フィルターです。 AI ベースのアプローチでは、例から学ぶことで、この区別をより柔軟に行うことができます。さらに、微分ベースの機能 (水平/垂直微分、分析信号、傾斜角) により、光源のエッジが強調表示されます。 AI はこれらの属性を組み合わせて、エッジとリソースの候補を自動的にマークできます。

リスクとしては、フィルター パラメーター (カットオフ波長) によって解釈が完全に変わってしまうということです。同じデータから、異なる区別を持つ完全に異なる残差マップが生成されます。 AIが分離を提案しても、専門家はその分離が目標深度に適しているかどうかをチェックします。

ヒント: 地域と残基の区別を単一のパラメーターで固定しないでください。異なるカットオフ波長で 3 つまたは 4 つの残差マップを生成し、ターゲットの異常がそれらすべてで一貫しているように見えるかどうかを確認します。単一の区別でのみ現れる異常は、多くの場合、パラメーターのアーティファクトです。

深さの推定と自動化

オイラー デコンボリューションやウェルナー デコンボリューションなどの方法は、潜在的な領域の音源の深さを推定するために使用されます。これらは、異常の勾配から発生源の位置と深さを推定します。 AI はこれらの予測を高速化し、何千ものソリューションをクラスタ化することでよりクリーンな「デプス クラウド」を生成できます。ただし、これらの方法は、構造インデックス (ソースの形状を定義する仮定) などの入力に非常に敏感です。誤った仮定は系統的に誤った深さを生み出します。 AIによって作成された深度マップは、可能であれば地質学的妥当性と地震/井戸によって常に検査されます。

注意: 磁気データの極性と緯度の影響により、異常は発生源の真上に存在しない可能性があります。北半球では、異常は発生源の南に移動する可能性があります。 AIによってマークされた「リソースセンター」を極に還元せずに受け入れないでください。

地震探査と統合された解釈

ポテンシャルフィールドだけでは解像度が低くなります。彼らの本当の力は、共同解釈によって現れます。重力は盆地の深さを与え、磁気は底部の地形を与え、地震は微細な構造を与えます。 AI は、これらのさまざまなデータ層を共通のモデルに結合するのに役立ちます (データ融合)。ただし、合成は各手法の解像度と不確実性を考慮して、専門家の監督の下で行われます。

ミニケース3個

ケース 1 — 盆地の端を狭くする。地熱プロジェクトでは、重力データを使用して盆地の端 (断層ステップ) を見つける必要がありました。 AI 支援のエッジ検出 (傾斜角 + 分析信号) により、12 個の候補エッジ ラインがマークされました。チームは磁気井戸と 2 つの既存の井戸を使ってこれらを検査しました。 5 つは地下断層ステップと一致し、7 つはノイズによって引き起こされました。検証されたエッジにより、井戸の位置が 800 m 移動しました。

ケース 2 — 緯度効果の誤謬。鉱物探査では、磁気異常の中心が直接の掘削ターゲットとして選択されました。最初の井戸は空になった。その後、極点に換算すると、実際の発生源は異常中心の 300 m 北にあることがわかりました。緯度の影響は無視されました。 2番目の立坑で鉱体が見つかりました。

ケース 3 — パラメータ依存のゴースト。あるチームは、単一のカットオフ波長によって生成された残差マップに明確な「埋め込み構造」を発見しました。異なるカットオフ値を使用してマップを再現すると、構造が失われます。これは、実際の情報源ではなく、地域と残基の区別のパラメーターによるアーチファクトです。

コピー可能な 4 つのテンプレート

1) 加工補正制御:

あなたの役割: 重力/磁気加工のスペシャリスト。収量: [土地の重力、地形が険しい]。適用する必要がある修正を順番にリストしてください (自由空気、ブーゲー、地形、毎日 + ピックアップ時の IGRF)。修正ごとに、典型的なエラーとその影響を省略した場合はコメントに記載します。

2) 地域住民差別のテスト:

私は地域残留差別を行っています。目標の深さは ~[X] km です。カットオフ波長はどのように選択すればよいですか?異なるカットオフ値で生成された残差マップを比較する手順を教えてください。どの異常が本物で、どれがパラメータのアーチファクトであるかをどのように区別すればよいですか?

3) 深度推定制御:

オイラーデコンボリューションを使用して深さを推定しました。私の選択した構造指標が結果にどのような影響を与えるかを説明してください。さまざまな指標で得られた深さ分布を比較し、それらを地質学的妥当性と地震活動で確認するにはどうすればよいですか?

4) 磁気溶接位置補正:

私の磁気異常の中心を掘削目標にする前に、緯度の影響とそれを極に減らす必要性を説明してください。発生源の実際の位置と異常中心の間のオフセットをどのように考慮すればよいですか?段階的に教えてください。

弱いプロンプト / 強いプロンプト

弱いプロンプト:

この重力図のどこに鉱石があるのか教えてください。

潜在的な面積だけでは鉱石を示すものではありません。 AI は不確実性を隠し、単一点の誤った確実性を生み出します。

強力なプロンプト:

あなたの役割: 潜在的なフィールドコメンテーター。コンテキスト: ブーゲー異常マップ、ターゲットの硫化鉱石、2 つの井戸が存在します。タスク:(1) 候補リソース境界をエッジ検出属性でマークします。 (2) 各候補に対して少なくとも 2 つの密度と深さのシナリオ (浅い - 小さい、および深い - 大きい) を与える。 (3) これらのシナリオを区別するために推奨する追加データ (磁気、地震、井戸) を教えてください。単一の正確なリソースの場所を指定しないでください。

不確実性のシナリオとクロスデータ要求により、潜在的なフィールドの解釈が正直かつ防御可能になります。

手法の比較

特徴

重力

磁気

AIの貢献

測定される違い

密度

磁化

属性の結合

典型的なターゲット

盆地、塩、鉱石

岩盤、鉱石

エッジ/溶接マーキング

主な不確実性

深さ振幅

緯度/極効果

不確実性を絞り込む

重大な修正

ブーゲー、土地

毎日、IGRF、RTP

自動化、制御

よくある間違い

  • 唯一の違いは、今は地図を信頼することです。さまざまなカットオフ値で異常をテストせずに構造を宣言しないでください。
  • 緯度効果をバイパスします。磁気異常の中心は発生源の真上にありません。
  • 構造インデックスを任意に選択します。オイラー深度はこの仮定に非常に敏感です。
  • 潜在的な領域だけを最終的なものとして考慮します。解像度が低い。耐震・井戸と組み合わせる。
  • 不確実性を隠した単一モデルに落ち着きます。必ず、浅い-小規模なシナリオと深い-大規模なシナリオを作成してください。

要約すると

重力法と磁気法は広範囲を安価にスキャンし、盆地と鉱石の構造の大まかな概要を提供します。 AI により、レンダリング、エッジ/ソース マーキング、深度推定が高速化されます。しかし、深さ振幅の不確実性、緯度の影響、および潜在的な場に固有のパラメーター感度により、AI の出力は非常に脆弱になります。正しい使用方法: 複数のシナリオを生成し、さまざまなパラメーターを使用してテストし、極への縮小や地震/井戸との組み合わせなどの物理現象を観察します。最終的な解釈は不確実性を隠さない専門家に属します。

アプリケーションタスク

重力異常または磁気異常 (実際またはサンプル) を選択します。 「地域残留物識別テスト」テンプレートを使用して、異なるカットオフ波長の比較ルーチンを作成します。磁気の場合は、「磁気源位置補正」テンプレートを使用して緯度の影響を評価します。異常を説明する少なくとも 2 つの異なる地下シナリオと、それらを区別するための追加データを書き留めます。

チェックリスト

  • [ ] すべてのレンダリング補正 (ブーゲー/地形またはログ/IGRF) を適用しました。
  • [ ] さまざまなパラメーターを使用して地域と残差の区別をテストしました。
  • [ ] 磁気学における緯度効果/極への低減を考慮しました。
  • [ ] 私は異常について少なくとも 2 つの深さと振幅のシナリオを作成しました。
  • [ ] 結果を地震/井戸/その他の方法で相互検証しました。