ফিল্ড ডেটা, ড্রিলিং লগ এবং লিথোলজিক্যাল ক্লাসিফিকেশন — ভূতাত্ত্বিক প্রকৌশলে কৃত্রিম বুদ্ধিমত্তা

লাভ:

এআই সহ ড্রিলিং লগ, মূল বিবরণ এবং ফিল্ড নোটগুলির গঠন এবং লিথোলজিক্যাল শ্রেণিবিন্যাস করার ক্ষমতা
বিনামূল্যে পাঠ্য ক্ষেত্রের পর্যবেক্ষণগুলিকে আদর্শ ভূতাত্ত্বিক পরিভাষা এবং টেবিলে রূপান্তর করার ক্ষমতা
মূল ফটোগ্রাফি, লগ বক্ররেখা এবং স্ট্র্যাটিগ্রাফিক প্রশস্ততা সহ AI-উত্পন্ন লিথোলজিক্যাল ব্যাখ্যা যাচাই করার ক্ষমতা

ভূতাত্ত্বিক প্রকৌশলের কাঁচামাল হল ডেটা, এবং এই ডেটার বেশিরভাগই অনিয়মিতভাবে জন্মগ্রহণ করে। একটি সাইটে রাখা মূল বিবরণ বিভিন্ন ভূতাত্ত্বিক দ্বারা বিভিন্ন শব্দে লিখিত বিনামূল্যে পাঠ্য; একটি ড্রিলিং ক্যাম্পেইনের লগগুলি বিভিন্ন ফরম্যাটে, বিভিন্ন ইউনিটে, কখনও ম্যানুয়ালি এবং কখনও কখনও ডিজিটালভাবে রাখা হয়েছিল; ফিল্ড নোটবুকের নোটগুলি সংক্ষিপ্ত রূপ এবং ব্যক্তিগত অভ্যাসগুলিতে পূর্ণ। এই ইউনিটে, আমরা কৃত্রিম বুদ্ধিমত্তার লাভের সবচেয়ে কংক্রিট এবং নিরাপদ ক্ষেত্রটি কভার করি: বিক্ষিপ্ত ফিল্ড ডেটা গঠন করা (এটিকে জিজ্ঞাসাযোগ্য টেবিলে অনুবাদ করা), এটিকে মানক করা (এটিকে সাধারণ পরিভাষায় আনা) এবং প্রাথমিক লিথোলজিক্যাল শ্রেণীবিভাগ করা (শিলার প্রকার বিচ্ছেদ)। তবে শুরু থেকে বলা যাক: কৃত্রিম বুদ্ধিমত্তা তথ্য সংগঠিত করে, প্রকৌশলী ভূতাত্ত্বিক ব্যাখ্যা অনুমোদন করে।

আসুন প্রথমে দুটি মূল পদ স্পষ্ট করা যাক। একটি বোরহোল লগ হল একটি কূপ বরাবর গভীরতার সাথে পরিমাপ করা বৈশিষ্ট্যগুলির একটি রেকর্ড; এই পরিমাপগুলি ভূতাত্ত্বিক (লিথোলজি, আবহাওয়া) বা জিওফিজিক্যাল (গামা রশ্মি, প্রতিরোধ ক্ষমতা, ঘনত্ব) হতে পারে। কোর (ইংরেজি কোর) হল একটি নলাকার পাথরের নমুনা যা ভূগর্ভ থেকে তুরপুনের মাধ্যমে বের করা হয়; এটি সবচেয়ে মূল্যবান প্রমাণ কারণ এটি ভূগর্ভস্থ সরাসরি পর্যবেক্ষণের অনুমতি দেয়। লিথোলজি হল পাথরের ধরন এবং শারীরিক চরিত্র (যেমন বেলেপাথর, চুনাপাথর, শেল)।

ফ্রী টেক্সট গঠন

একজন ফিল্ড জিওলজিস্ট একটি বর্ণনা লিখেছেন: "0-3.2 মিটার বাদামী, আলগা, কাদামাটি নুড়ি, খারাপভাবে সাজানো; 3.2-7.5 মিটার ধূসর, মাঝারিভাবে আবহাওয়াযুক্ত, বিরল কার্বনেট সিমেন্ট সহ সূক্ষ্ম-মাঝারি দানাদার বেলেপাথর; 7.5-12 মিটার হালকা ধূসর, শক্ত, ফিসারড চুনাপাথর, 9 মি. এই একক বাক্যটি আসলে একটি টেবিলের সংকুচিত সংস্করণ: গভীরতার পরিসর, রঙ, আবহাওয়ার মাত্রা, লিথোলজি, শস্যের আকার, গৌণ বৈশিষ্ট্য। কৃত্রিম বুদ্ধিমত্তা এটিকে ডিকম্প্রেস করে।

গুরুত্বপূর্ণ বিষয় হল: মডেলটিকে রূপান্তরের জন্য জিজ্ঞাসা করুন, অনুমান নয়। অন্য কথায়, টেক্সটে স্পষ্টভাবে লেখা তথ্যগুলিকে ক্ষেত্রগুলিতে রাখুন; লেখায় যা নেই তা তৈরি করবেন না। "আবহাওয়ার ডিগ্রি" ক্ষেত্রের জন্য, ভূতাত্ত্বিক যদি "মাঝারি আবহাওয়াযুক্ত" লেখেন, তাহলে মডেলটি এটি লেখেন; ভূতাত্ত্বিক যদি কোনো নির্দিষ্ট না করে থাকেন, তাহলে মডেলটিকে "অনির্দিষ্ট" লিখতে হবে এবং কোনো মান মানানসই হবে না। এই পার্থক্য তথ্য অখণ্ডতার ভিত্তি।

ধাপে ধাপে: একটি মূল বইকে একটি স্প্রেডশীটে পরিণত করা

আপনি প্রথমে স্কিমা সংজ্ঞায়িত করুন। কোন কলামগুলি হবে: গভীরতা_শীর্ষ, গভীরতা_বটম, লিথোলজি, রঙ, দানা_সাইজ, আবহাওয়া, বিচ্ছিন্নতা, মাধ্যমিক_খনিজ, নোট। আপনি মডেলে স্কিমা চাপিয়েছেন যাতে আউটপুট সামঞ্জস্যপূর্ণ হয়।
প্রমিত অভিধান দিন। লিথোলজির জন্য অনুমোদিত পদগুলি (বেলেপাথর, সিল্টস্টোন, চুনাপাথর, মার্ল, ক্লেস্টোন, সমষ্টি...) এবং আবহাওয়ার স্কেল (তাজা, হালকা, মাঝারি, উচ্চ, পূর্ণ) দিন। এইভাবে, অভিব্যক্তি যেমন "একটু আবহাওয়াযুক্ত" প্রমিত হয়ে ওঠে।
ছোট ব্যাচ প্রক্রিয়া. পুরো নোটবুকটি একবারে নয়, 20-30 লাইনের ব্যাচে দিন; আপনি ভুল ধরুন তাড়াতাড়ি।
উৎসে ফিরে যান এবং যাচাই করুন। কাঁচা পাঠ্যের সাথে ফলাফল টেবিলের এলোমেলো সারি তুলনা করুন; বিশেষ করে গভীরতার সীমা এবং লিথোলজি পদ।

লিথোলজিক্যাল শ্রেণীবিভাগ: লগ থেকে ব্যাখ্যা পর্যন্ত

এআই দুটি উপায়ে লিথোলজি সমর্থন করে। প্রথমটি হল ভূতাত্ত্বিকের সংজ্ঞাটিকে উপরের মতো মানক করা। দ্বিতীয় এবং আরও উন্নত হল জিওফিজিক্যাল লগ বক্ররেখা থেকে লিথোলজি অনুমান। উদাহরণস্বরূপ, গামা রশ্মির লগ (পাথরের প্রাকৃতিক তেজস্ক্রিয়তা) কাদামাটির সামগ্রীর সাথে বৃদ্ধি পায়; এঁটেল স্তর উচ্চ মান দেয়, পরিষ্কার বেলেপাথর এবং চুনাপাথর কম মান দেয়। প্রতিরোধ ক্ষমতা এবং ঘনত্ব লগ যোগ করে, মডেল বক্র নিদর্শন থেকে লিথোলজি সীমানা প্রস্তাব করতে পারে।

এখানে সীমাটি গুরুত্বপূর্ণ: লগগুলি পরোক্ষ পরিমাপ। উচ্চ গামা কাদামাটি, ফেল্ডস্পার-সমৃদ্ধ বালি বা আগ্নেয়গিরির ছাই হতে পারে। অতএব, লগ-ভিত্তিক লিথোলজি ভবিষ্যদ্বাণী একটি অনুমান; এটি নির্দিষ্ট নয় যদি না এটি কোর বা কাটিংয়ের সাথে সংযুক্ত থাকে (শিলা চিপ যা ড্রিলিং করার সময় পৃষ্ঠে আসে)। যখন মডেলটি একটি সীমানা আঁকে, তখন জিজ্ঞাসা করুন যে সেই গভীরতায় কোন কোর আছে কিনা; যদি থাকে, মূল জয়।

তিনটি মিনি কেস: সংখ্যা দ্বারা

কেস 1 - প্রমিতকরণের ধারাবাহিকতা। একটি খনির কোম্পানিতে, 6 জন ভিন্ন ভূতত্ত্ববিদ "আবহাওয়াযুক্ত গ্রানাইট" (আবহাওয়াযুক্ত, পরিবর্তিত, পচা, কাদামাটি...) জন্য 11টি ভিন্ন অভিব্যক্তি ব্যবহার করেছেন। কৃত্রিম বুদ্ধিমত্তা-সহায়ক প্রমিতকরণ একটি 5-স্তরের পচন স্কেলে 4,800-সারি ডাটাবেস স্থাপন করেছে; তারপরে, "মাঝারি-অত্যন্ত বিচ্ছিন্ন অঞ্চল" কোয়েরি সেকেন্ড সময় নেয়, যেখানে আগে এটি কয়েক দিন সময় নেয়। একটি র্যান্ডম 10% প্রমিতকরণ মূল দ্বারা চেক করা হয়েছিল, চুক্তিটি উচ্চ ছিল।

কেস 2 — লগ পারস্পরিক সম্পর্ক প্রাথমিক খসড়া। লিথোলজি পারস্পরিক সম্পর্ক দুটি প্রতিবেশী কূপের (150 মিটার দূরে) গামা লগ থেকে তৈরি করা হবে। মডেলটি একটি প্রাথমিক পারস্পরিক সম্পর্ক প্রস্তাব করেছে যা চারটি সাধারণ স্তরের সাথে মেলে এবং একটি স্তরে একটি পুরুত্বের পার্থক্যকে "সম্ভাব্য ত্রুটি বা ওয়েজ-আউট" হিসাবে চিহ্নিত করেছে। প্রকৌশলী যখন চিহ্নিত অঞ্চলের মূল দিকে তাকালেন, তিনি সত্যিই একটি ছোট ত্রুটি খুঁজে পেলেন; মডেলটি নির্দিষ্ট উত্তর দেয়নি, তবে এটি সঠিক জায়গায় মনোযোগ আকর্ষণ করেছে।

কেস 3 - বানোয়াট সীমানা ক্যাপচার করা। একটি কূপে, মডেলটি 40-45 মিটার ব্যবধানে একটি "ব্যাসল্ট" লিথোলজি বরাদ্দ করেছে যার জন্য কোন মূল তথ্য ছিল না। অঞ্চলে ব্যাসাল্ট প্রত্যাশিত ছিল না; রেকর্ডিং শুধুমাত্র গামা বৃদ্ধি ছিল. ভূতাত্ত্বিক সম্ভাব্যতা ফিল্টারটি সক্রিয় করা হয়েছিল, সেই ব্যবধান থেকে একটি ক্লাস্ট নমুনা অনুরোধ করা হয়েছিল, এবং স্তরটি কাদামাটি সিল্টস্টোন হিসাবে পাওয়া গেছে। মডেল উচ্চ গামা ভুল ব্যাখ্যা ছিল.

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই মূল সংজ্ঞাগুলিকে একটি টেবিলে রূপান্তর করুন।[পাঠ্য]

শক্তিশালী প্রম্পট:

শক্তিশালী প্রম্পট স্কিমা, অভিধান, এবং "বানোয়াট নিষেধাজ্ঞা" একসাথে আরোপ করে; আউটপুট সামঞ্জস্যপূর্ণ এবং নিরীক্ষণযোগ্য উভয়ই।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) ফিল্ড নোটবুক প্রমিতকরণ:

নিম্নোক্ত ফিল্ড নোটটিকে প্রমিত পরিভাষায় অনুবাদ করুন। খোলা সংক্ষিপ্ত রূপ (যেমন "পাথর"->"বেলিপাথর"), কিন্তু বিষয়বস্তু পরিবর্তন করবেন না। অস্পষ্ট বাক্যাংশগুলিকে "[দ্ব্যর্থক]" হিসাবে চিহ্নিত করুন এবং বন্ধনীতে মূল বাক্যাংশটি ধরে রাখুন। দ্রষ্টব্য: [ক্ষেত্র নোট]

2) লগ-ভিত্তিক লিথোলজি অনুমান:

নিম্নলিখিত লগ ডেটা (গভীরতা, গামা, প্রতিরোধ ক্ষমতা, ঘনত্ব) থেকে সম্ভাব্য লিথোলজি সীমানা প্রস্তাব করুন। প্রতিটি সীমানার জন্য, লিখুন: (ক) কোন বক্ররেখার পরিবর্তন থেকে আপনি এটি অর্জন করেছেন, (খ) একটি বিকল্প লিথোলজির সম্ভাবনা, (গ) কোরিং যাচাইকরণের প্রয়োজন। "নির্দিষ্ট" হিসাবে কোন সীমানা উপস্থাপন করবেন না। ডেটা: [লগ টেবিল]

3) দুটি ভাল পারস্পরিক সম্পর্ক স্কেচ:

ওয়েল-এ এবং ওয়েল-বি লগ তুলনা করুন। ম্যাচিং লেভেল, ম্যাচিং কারণ এবং অমিল/সন্দেহজনক জোন আলাদাভাবে তালিকাভুক্ত করুন। লেবেল ত্রুটি, ক্ষয় বা চেহারা পরিবর্তন হিসাবে "যাচাই করা আবশ্যক"। ডেটা: [দুটি ভাল লগ]

4) ডেটা মান নিয়ন্ত্রণ:

নীচের লিথোলজি সারণিতে যৌক্তিক ত্রুটিগুলি দেখুন: ওভারল্যাপিং গভীরতা রেঞ্জ, ফাঁক, অসম্ভব প্রান্তিককরণ, ইউনিটের অসঙ্গতি, অননুমোদিত পদ। ফলাফলগুলিকে "সারি সংখ্যা | সমস্যা | পরামর্শ" টেবিল হিসাবে প্রতিবেদন করুন। ডেটা সঠিক করবেন না, শুধু এটি চিহ্নিত করুন। টেবিল: [লিথোলজি টেবিল]

প্রমাণীকরণ প্রমাণ শ্রেণিবিন্যাস

প্রমাণের ধরন

প্রত্যক্ষতা

নির্ভরযোগ্যতা

কখন ব্যবহার করতে হবে

কোর (কোর)

সবচেয়ে সরাসরি

সর্বোচ্চ

সমালোচনামূলক লিথোলজি সীমানা

ক্রাম্ব (কাটা)

মাঝারি

উচ্চ

মূল অনুপস্থিতিতে

জিওফিজিক্যাল লগ

পরোক্ষ

মাঝারি

ক্রমাগত প্রোফাইল, ফাঁক পূরণ

মডেল ভবিষ্যদ্বাণী

উদ্ভূত

কম (একা)

হাইপোথিসিস, স্ক্রীনিং

বিনামূল্যে পাঠ্য নোট

পরিবর্তনশীল

ভূতাত্ত্বিকের উপর নির্ভর করে

অতিরিক্ত প্রসঙ্গ

টিপ: কৃত্রিম বুদ্ধিমত্তাকে লিথোলজি সীমানা খুঁজে পেতে সাহায্য করার সময়, "সঠিক সীমানা" নয়, "সম্ভাব্য সীমানা এবং আত্মবিশ্বাসের স্তর" জিজ্ঞাসা করুন। মূল সঠিকতা দেয়, মডেল নয়। আউটপুট তারপর একটি স্ক্রীনিং টুল হয়ে ওঠে, নিশ্চিততার মিথ্যা দাবি নয়।

সতর্কতা: মডেলটি "কোন ফাঁক না রাখার" জন্য ডেটাতে নেই এমন গভীরতা পরিসীমা পূরণ করতে থাকে। এটি জাল লিথোলজি তৈরি করতে পারে, বিশেষত কোর লস সহ অঞ্চলগুলিতে। স্পষ্টভাবে মূল ক্ষতির অঞ্চলগুলি চিহ্নিত করুন এবং মডেলটিকে নির্দেশ দিন "কোন তথ্য না থাকলে ফাঁকা ছেড়ে দিন"৷

সাধারণ ভুল

রূপান্তরের চেয়ে অনুমান খোঁজা। টেক্সটে যা নেই তা "অনুমান" করার মডেলটি আশা করা; এটি জাল ডেটার দরজা খুলে দেয়। শুধু কি লেখা আছে তা গঠন করুন।
একটি আদর্শ অভিধান প্রদান না. বিনামূল্যে পরিভাষা অনুমোদন; ফলাফল একটি প্রশ্নাতীত, অসংলগ্ন ছবি।
লগ অনুমান নির্ভুল হিসাবে গ্রহণ. লিথোলজির প্রমাণ হিসাবে একা পরোক্ষ পরিমাপ (গামা, প্রতিরোধ ক্ষমতা) বিবেচনা করা; সীমানাগুলিকে কোর/ক্রম্বস দিয়ে আবদ্ধ না করে স্বাক্ষরে সরানো।
মূল ক্ষতি জোন লুকান. মডেলে ডেটা ফাঁক পূরণ করা; স্থান স্থান থাকতে হবে.
ব্যাচগুলিতে প্রক্রিয়াকরণ এবং কখনই পরীক্ষা করা হচ্ছে না। একবারে হাজার হাজার সারি অনুবাদ না করা এবং এলোমেলো নমুনা পরীক্ষা করা।

সংক্ষেপে

কৃত্রিম বুদ্ধিমত্তা বিচ্ছুরিত ক্ষেত্রের ডেটার গঠন, মানককরণ এবং প্রাথমিক লিথোলজিক্যাল শ্রেণীবিভাগে নিরাপদ এবং উচ্চ দক্ষতা প্রদান করে।
মডেল থেকে রূপান্তরের জন্য জিজ্ঞাসা করুন, অনুমান নয়; লেখায় যা নেই তা তৈরি করবেন না, "অনির্দিষ্ট" মুদ্রণ করুন।
লগ-ভিত্তিক লিথোলজি অনুমান পরোক্ষ এবং একটি অনুমান; এটি কোর এবং ক্রাম্ব নমুনার সাথে সংযুক্ত না হওয়া পর্যন্ত এটি নিশ্চিত করা যাবে না।
আপনি স্কিমা এবং প্রমিত অভিধান আরোপ; তবেই আউটপুট সামঞ্জস্যপূর্ণ এবং নিয়ন্ত্রণযোগ্য হবে।
কোর ড্রিলিং প্রমাণ শ্রেণিবিন্যাসের শীর্ষে রয়েছে; নীচে, মডেল ভবিষ্যদ্বাণী একা অপর্যাপ্ত।

আবেদন টাস্ক

আপনার কাছে থাকা একটি ফিল্ড নোটবুক বা মূল বিবরণ থেকে 15-20 লাইন নিন (গোপনীয় ক্ষেত্রের তথ্য গোপন করুন)। প্রথমে আপনার নিজস্ব স্কিমা এবং অনুমোদিত লিথোলজি/ওয়েদারিং অভিধান সংজ্ঞায়িত করুন, তারপর শক্তিশালী প্রম্পটের সাথে এটিকে একটি টেবিলে অনুবাদ করুন। ফলস্বরূপ টেবিলের প্রতিটি সারি কাঁচা পাঠের সাথে তুলনা করুন এবং মডেলটি ফাজ বা ভুল জায়গায় ফ্ল্যাগ করুন; অন্তত একটি "অনির্দিষ্ট" ক্ষেত্র সঠিকভাবে ফাঁকা রাখা হয়েছে কিনা পরীক্ষা করুন।

চেকলিস্ট

[ ] আমি বিনামূল্যে পাঠ্য ক্ষেত্রের পর্যবেক্ষণগুলিকে ডায়াগ্রাম এবং স্ট্যান্ডার্ড অভিধান সহ একটি টেবিলে রূপান্তর করতে পারি।
[ ] আমি "অনির্দিষ্ট" নিয়মটি প্রয়োগ করি যে আমি মডেল থেকে একটি রূপান্তর চাই এবং আমি এটিকে এমন কিছুর সাথে মানানসই করি না যা বিদ্যমান নেই৷
[ ] আমি বুঝতে পারি যে লগ-ভিত্তিক লিথোলজি অনুমান একটি পরোক্ষ অনুমান এবং মূলের সাথে লিঙ্ক করা উচিত।
[ ] আমি মূল ক্ষতি এবং ডেটা গ্যাপ জোন চিহ্নিত করি এবং ফিটিং প্রতিরোধ করি।
[ ] আমি প্রমাণ অনুক্রম অনুসারে আউটপুট যাচাই করি (কোর > ক্রাম্ব > লগ > মডেল)।