Печалби:
- Възможност за използване на приноса на AI за подготовка на данни и калибриране при характеризиране на водоносен хоризонт и моделиране на потока на подпочвените води.
- Възможност за анализиране на данните за качеството на водата, нивото и потока с AI и откриване на аномалии
- Възможност за проверка на резултатите от модела със запазване на масата, хидравлична правдоподобност и полево измерване
Подземните води са природният ресурс, който не можем да видим, но да вземем най-много решения. Колко вода дава един кладенец, колко вода се изхвърля в мина, колко време е необходимо на замърсителя да достигне до източника на питейна вода - всичко зависи от поведението на водата, докато се движи бавно през пори и пукнатини под земята. Хидрогеологията (науката за подпочвените води) реконструира този невидим поток от оскъдни наблюдателни кладенци, геоложки напречни разрези и физически закони. Изкуственият интелект е мощна помощ в тази работа: той изчиства разхвърляните времеви редове, интегрира липсващи данни, улавя аномалии и ускорява калибрирането на модела. Но един закон надделява над всички: запазване на масата. Количеството вода, което влиза, излиза и съхранява системата трябва да бъде постоянно; Никой интелигентен модел не може да наруши този баланс.
В тази част ще покрием три аспекта на ИИ на изследването на подпочвените води: подготовка на данни и откриване на аномалия (обработка на ниво, скорост на потока и качествени серии), характеризиране на водоносен хоризонт (прогнозиране на свойствата на слоя, носещ подпочвените води) и калибриране на модела на потока (изравняване на числения модел с наблюдението). На всяка стъпка ще използваме изкуствения интелект не като калкулатор, а като генератор на течения, чийто резултат тествате с воден баланс и полеви измервания.
Водоносен хоризонт и основни понятия
Нека първо установим общ език. Водоносният хоризонт е геоложка единица (напр. пясъчно-чакълен слой), която може да носи и освобождава достатъчно вода. Хидравличната проводимост (K) измерва колко лесно водата тече през скала/почва; Обикновено е от порядъка на метри на ден за пясък и микроскопично нисък за глина. Хидравличният напор (напор) е енергията на налягането и надморската височина на водата в точка; водата винаги тече от високо натоварване към ниско натоварване. Коефициентът на съхранение дава обема на водата, освободена/съхранена от водоносния хоризонт за промяна на единица натоварване. Тези четири величини са крайъгълните камъни на цялото моделиране.
От съществено значение е да знаете тези концепции, когато работите с изкуствен интелект, тъй като всяко число, дадено от модела, трябва да се вписва в тези физически диапазони. Стойността K за пясъчен водоносен хоризонт варира от няколко сантиметра до десетки метри на ден; Ако моделът казва "3 километра на ден", има физическа грешка. Това е специфичната за хидрогеологията форма на котвата от порядъка на величината в предишните единици.
Стъпка по стъпка: Подготовка на данните, аномалия и калибриране
Стъпка 1 — Почистване на времеви серии. Данните за нивото от наблюдателни кладенци често са нередовни: липсващи дни, пропуски на сензора, объркване на единиците, ефект на атмосферното налягане. AI подравнява тези серии, маркира пропуски и открива възможни грешки на сензора (внезапен скок, равна линия = замръзнал сензор). Но „попълването“ на липсващата стойност и „маркирането“ й са различни; Ако трябва да се извърши запълване, методът трябва да е прозрачен и одобрен от геолог.
Стъпка 2 — Откриване на аномалия. Внезапна промяна в качеството на водата (напр. проводимост, нитрати, тежки метали); неочакван спад на нивото; скок в скоростта на потока — те са признак или за реално събитие (замърсяване, овърдрафт, теч) или за грешка в измерването. Изкуственият интелект класира кандидат аномалиите; Хидрогеологът решава коя е истинската.
Стъпка 3 — Характеризиране на водоносния хоризонт. K и коефициентът на съхранение се извличат от данните от теста за изпомпване (изтегляне на вода от кладенец с постоянен дебит и наблюдение на спада на нивото в съседните кладенци). AI ускорява напасването на кривата и алтернативните модели на водоносен хоризонт (ограничен/свободен/полупропусклив); Но съвместимостта на избрания модел с геологията на полето е човешка работа.
Стъпка 4 — Калибриране на числения модел. Моделът с крайна разлика/елемент разделя водоносния хоризонт на клетки и решава за водния поток във всяка клетка. Калибрирането е за коригиране на параметрите на модела (разпределение на K, презареждане), за да бъдат съвместими с нивата на кладенците за наблюдение. AI/оптимизацията ускорява тази настройка; Но има опасност: моделът може да отговаря добре на наблюденията, но с физически неправилни параметри (overfit). Следователно контролът на водния баланс след калибриране е от съществено значение.
Съвет: Преди да приемете калибриран модел, попитайте "изключен ли е водният баланс?" Попитайте: общият вход (захранване + страничен поток) минус общият изход (тяга + изпускане) плюс/минус промяната на съхранението трябва да бъде ≈ 0. Ако не се затвори, моделът е ненадежден, дори ако съответства на нивата.
Три мини калъфа: с числата
Случай 1 — Отстраняване на грешки на сензора. Една мрежа за мониторинг имаше данни за ниво за 18 месеца за 11 кладенци; приблизително 6000 записа общо. Задвижваното от изкуствен интелект сканиране откри „замръзнал сензор“ в две ямки (точно една и съща стойност за 42 дни) и единица грешка (въведени футове вместо метри) в една ямка. Тези три грешки, чието откриване на ръка биха отнели часове, биха могли сериозно да повлияят на калибрирането на модела; Извличането направи модела надежден, преди дори да бъде установен.
Случай 2 — Капан за баланс на масата. Моделът за изпускане на вода от мина отговаря на всички наблюдателни кладенци по-добре от 5% и екипът беше на път да потвърди модела. Проверката на водния баланс установи, че общото презареждане е три пъти по-голямо от възможното с данните за валежите в региона; моделът си беше "купил" хармония с нефизическа диета. Параметрите бяха изтеглени обратно до реалистичния диапазон и повторно калибрирани. Доброто прилягане не означава правилният модел.
Случай 3 — Ранен сигнал за заразяване. В сериите на проводимостта на кладенец в басейна с питейна вода, изкуственият интелект отбеляза бавно покачване, което се отклони от сезонния модел. При оглед на място е установен теч от близко складово помещение и са предприети мерки преди замърсяването да достигне до питейния кладенец. Моделът не реши; насочи вниманието на хидрогеолога към правилния кладенец.
Слаба подкана / Силна подкана
Слаба подкана:
Вижте тези данни за кладенеца и ми кажете какъв е водоносният хоризонт и къде отива водата. [таблица с нива]
Мощна подкана:
Вашата роля: Асистент хидрогеолог. РАЗГЛЕДАЙТЕ серията нива на кладенци за наблюдение по-долу, но параметърът на водоносния хоризонт е НАГЛАШЕН. Направете следното:1) Качество на данните: избройте подозрения за липсващ, замръзнал сензор, единица/отклонение, кладенец и дата.2) Обща тенденция (възход/спад/сезон) и възможни физически обяснения.3) Посочете какви данни (тест за изпомпване, валежи, гравитационен запис) се изискват в следващата стъпка. Физическата интерпретация и калибриране принадлежат на хидрогеолога; заявете това. Данните са анонимни.
Мощната подкана поставя модела в ролята на администратор на данни и редактор на въпроси; изрично забранява настройването на параметри.
Четири копируеми шаблона
1) Проверка на качеството на серия от нива:
Отбележете следното в серията на нивото на наблюдателния кладенец: липсващи дни, последователни еднакви стойности (замръзнал сензор), внезапен скок, възможна единица грешка (m/feet/cm). Списък само с well_id и период от време; попълване или изтриване на стойности.
2) Приоритизиране на аномалиите:
Избройте промените в сериите на качеството на водата (параметър: проводимост), които се отклоняват от сезонния модел, като започнете с най-вероятните. За всеки кандидат: запишете какъв допълнителен контрол е необходим, за да се разграничи реално събитие от грешка в измерването. Решението е на хидрогеолога.
3) Списък за проверка на водния баланс:
Извлечете стъпките за контрол на водния баланс за калибриран модел на подпочвените води: входни елементи, изходни елементи, вариация на съхранение и граница на приемане на грешка при затваряне. Примерни ситуации, при които моделът може да отговаря на нивата, но нарушава равновесието.
4) Тълкуване на теста за изпомпване на газ:
За данни за времето на изчерпване на теста на помпата: очертайте кои модели на водоносен хоризонт (неограничен, ограничен, полупропусклив) могат да бъдат подходящи и как всеки се отнася към геологията на обекта. Даване на точен номер за К и съхранение; Посочете разумния диапазон и необходимите допускания.
Данни за подземните води и анкери за валидиране
данни/изход
Принос на AI
Основен риск
котва за проверка
Времеви редове на ниво
Почистване, откриване на грешки
подходяща плънка
Сурови данни + полеви запис
серия за качество на водата
Сортиране на аномалии
Фалшива тревога/пропускане
Повторете проба + лаборатория
тест за изпомпване
Скорост на напасване на кривата
Неправилен модел на водоносен хоризонт
геоложка хармония
Калибриране на числения модел
Оптимизация на параметрите
Прекомерно оборудване, нефизическо К
Воден баланс + наблюдателен кладенец
Оценка на хранене/привличане
сливане на данни
нарушение на баланса
Запис на валеж/операция
Внимание: Моделът на подземните води е прогноза, а не пророчество. Резултатите, които проектират десетилетия в бъдещето (напр. водното ниво на мина след затваряне), са сценарии, които трябва да се актуализират, докато се измерват. Представянето на една „сигурна“ бъдеща крива създава фалшива увереност, като прикрива несигурността.
Често срещани грешки
- Без проверка на водния баланс. Най-често срещаната и опасна грешка е да се приеме модел, който отговаря добре на нивата, без да се провери масовото опазване.
- Безшумно попълване на липсващите данни. Ако стойностите на „запълване“, произведени от AI, се объркат с реални измервания, калибрирането е на крехка основа.
- Приемане на параметри, които надхвърлят физическия диапазон. Толериране на нереалистични К или хранителни стойности в името на съответствието.
- Автоматично счита аномалията за реална. Не всяко отклонение е замърсяване; Възможността за грешка в измерването се елиминира чрез полеви и повторни проби.
- Намаляване на несигурността до една крива. Представяне на дългосрочни прогнози като крайни резултати, а не като сценарии.
В обобщение
- Хидрогеологията изгражда невидим поток от оскъдно наблюдение; Всеки резултат от AI се тества спрямо запазване на масата (воден баланс).
- AI е мощен при ниво на почистване/серия за качество, откриване на аномалии и ускоряване на калибрирането; не трябва да отговаря на параметрите.
- Дори ако моделът пасва добре на наблюденията, той може да е неточен с нефизически параметри (overfit); Контролът на водния баланс е задължителен.
- Всяко число трябва да се побира във физическия диапазон (K за пясък ≈ метри/ден); Редът на величината на котвата се прилага и в хидрогеологията.
- Моделът е прогноза; Дългосрочните резултати се представят като сценарии с несигурност и се актуализират, когато се измерват.
Задача за приложение
Извличане на анонимна серия от кладенци за наблюдение (или представителни данни). Накарайте модела да намери грешки в данните с шаблона „Проверка на качеството на серията ниво“; Добавете поне един подозрително замръзнал сензор или модул и тествайте дали го хваща. След това стартирайте шаблона „списък за проверка на водния баланс“ за сценарий на калибриран модел и напишете с пример как моделът може да наруши баланса, дори ако отговаря на нивата.
контролен списък
- [ ] Знам понятията и типичните диапазони на водоносен хоризонт, хидравлична проводимост, напор и съхранение.
- [ ] Придобих рефлекса да проверя изхода на подпочвените води със запазване на масата (воден баланс).
- [ ] Използвам AI за почистване на данни и сортиране на аномалии и оставям решението за параметрите на хидрогеолога.
- [ ] Признавайки риска от прекомерно монтиране, не мисля, че доброто прилягане е правилният модел.
- [ ] Представям резултатите от дългосрочния модел като сценарии с несигурност.