zisky:
- Schopnost porozumět potenciálním korekcím zpracování pole (Bouguer, land, log, IGRF) a citlivosti parametrů separace regionálních zbytků a testovat ji různými separacemi
- Schopnost správně interpretovat umístění zdroje s přihlédnutím k nejistotě hloubky a amplitudy a vlivu magnetické šířky (redukce na pól)
- Schopnost křížově ověřovat interpretaci potenciálního pole s alternativními scénáři a seismickou/vrtnou, aniž by byla interpretace potenciálního pole uzamčena na jediném modelu
Seismická metoda je drahá a nelze ji aplikovat všude. Zde vstupují do hry potenciální metody pole – gravitační a magnetické: relativně levné metody, které rychle skenují velké plochy a odhalují hrubou strukturu pánví a rudných těles. Gravitační metoda měří velmi malé gravitační změny způsobené rozdíly hustoty pod zemí; Magnetická metoda měří změny pole vznikající v důsledku rozdílů v magnetizaci (magnetické susceptibilitě) hornin. V této lekci si vysvětlíme, jak umělá inteligence (AI) urychluje zpracování těchto dvou metod, diskriminace anomálií a odhad hloubky; Uvidíme, proč silná nejistota spojená s potenciálními oblastmi vyžaduje použití umělé inteligence se zvýšenou opatrností.
Povaha potenciálních terénních dat
Začněme slovníkem. Anomálie, odchylka od očekávané regionální hodnoty; Jinými slovy, je to podpis podzemní struktury, která nás zajímá. V gravitaci prochází surové měření mnoha korekcemi: korekce volného vzduchu (vliv nadmořské výšky), Bouguerova korekce (vliv horninového masivu mezi měřením a referencí) a korekce terénu (vliv topografie). Výsledná Bouguerova anomálie odráží podpovrchové rozdíly v hustotě. V magnetismu se odečítají denní variace a hlavní pole (IGRF), aby se získala magnetická anomálie.
Hlavním problémem potenciálních polí je nejistota hloubky amplitudy: malý a mělký zdroj a velký a hluboký zdroj mohou produkovat téměř stejnou povrchovou anomálii. Toto je potenciální stav pole polysémie v seismice a umělá inteligence jej neodstraňuje, pouze urychluje. Proto se v komentářích vždy ptám "kolik různých modelů vysvětluje tuto anomálii?" je položena otázka.
AI ve zpracování a separaci polí
Srdcem potenciálního zpracování pole je regionální-zbytková separace: oddělení pomalu se měnící regionální složky od širokých, hlubokých zdrojů a zbytkové složky od mělkých, lokálních zdrojů. Klasické metody jsou polynomiální přizpůsobení nebo filtry vlnové délky; Přístupy založené na umělé inteligenci mohou toto rozlišení učinit pružnějším tím, že se budeme učit z příkladů. Navíc funkce založené na derivacích – horizontální/vertikální derivace, analytický signál, úhel náklonu – zvýrazní okraje zdroje; Umělá inteligence může tyto atributy kombinovat a automaticky označovat kandidáty na hrany a zdroje.
Rizikem je, že parametr filtru (mezní vlnová délka) zcela změní interpretaci. Stejná data vytvářejí zcela odlišné zbytkové mapy s různým rozlišením. I když AI navrhne oddělení, odborník zkontroluje, zda je toto oddělení vhodné pro hloubku cíle.
Tip: Neopravujte rozlišení regionálních zbytků jedním parametrem. Vygenerujte tři nebo čtyři zbytkové mapy s různými hraničními vlnovými délkami a zjistěte, zda cílová anomálie vypadá konzistentně na všech z nich. Anomálie, která se objevuje pouze v jediném rozlišení, je často artefaktem parametru.
Hloubkový odhad a automatizace
K odhadu hloubky zdroje v potenciálních oblastech se používají metody jako Eulerova dekonvoluce a Wernerova dekonvoluce; tyto odhadují umístění zdroje a hloubku z gradientů anomálie. Umělá inteligence může tyto předpovědi urychlit a vytvořit čistší „mrak hloubky“ seskupením tisíců řešení. Tyto metody jsou však velmi citlivé na vstupy, jako je strukturální index — předpoklad, který definuje geometrii zdroje; Falešný předpoklad systematicky přináší falešnou hloubku. Hloubková mapa vytvořená umělou inteligencí je vždy kontrolována z hlediska geologické věrohodnosti a pokud je to možné, seismické / studny.
Upozornění: Kvůli vlivům polarity a zeměpisné šířky v magnetických datech nemusí být anomálie přímo nad zdrojem. Na severní polokouli se může anomálie posunout jižně od zdroje. Neakceptujte „středisko zdrojů“ označené AI tam, kde je bez redukce na tyč.
Interpretace integrovaná se seismickou
Potenciální pole sama o sobě mají špatné rozlišení; Jejich skutečná síla se ukazuje ve společné interpretaci. Gravitace udává hloubku pánve, magnetická dává topografii základny a seismická dává jemnou strukturu. AI pomáhá kombinovat tyto různé datové vrstvy do společného modelu (fúze dat); ale skládání se provádí pod odborným dohledem s přihlédnutím k rozlišení a nejistotě každé metody.
tři mini pouzdra
Případ 1 – Zúžení okraje umyvadla. V geotermálním projektu bylo nutné najít hranu pánve (chybový stupeň) s gravitačními údaji. Detekce hran za pomoci AI (úhel náklonu + analytický signál) označila 12 kandidátních hran. Tým je zkontroloval pomocí magnetických a dvou existujících studní; 5 bylo v souladu s krokem poruchy suterénu, 7 bylo způsobeno hlukem. Ověřená hrana posunula umístění vrtu o 800 m.
Případ 2 – Chyba efektu zeměpisné šířky. Při průzkumu minerálů bylo centrum magnetické anomálie vybráno jako přímý vrtný cíl. První studna byla prázdná. Později, když byl redukován na pól, bylo jasné, že skutečný zdroj byl 300 m severně od středu anomálie: vliv zeměpisné šířky byl ignorován. Druhá šachta našla tělo rudy.
Případ 3 — Parametr závislý duch. Jeden tým viděl zřetelnou „zapuštěnou strukturu“ ve zbytkové mapě vytvořené jedinou mezní vlnovou délkou. Když byla mapa reprodukována s různými hraničními hodnotami, struktura byla ztracena: toto byl parametrický artefakt rozlišení regionálních reziduí, nikoli skutečný zdroj.
Čtyři kopírovatelné šablony
1) Kontrola korekce obrábění:
Vaše role: specialista na gravitační/magnetické obrábění. Výnos: [zemní gravitace, terén členitý]. Uveďte v pořadí opravy, které musím použít (volný vzduch, Bouguer, terén; denně +IGRF při vyzvednutí). U každé opravy napište typickou chybu a její účinek v případě vynechání.
2) Testování regionální diskriminace:
Dělám regionální-zbytkovou diskriminaci, moje cílová hloubka je ~[X] km. Jak zvolím mezní vlnovou délku? Dejte mi postup pro porovnání zbytkových map vytvořených s různými hraničními hodnotami: jak rozliším, která anomálie je skutečná a která je artefaktem parametru?
3) Kontrola odhadu hloubky:
Hloubku jsem odhadl pomocí Eulerovy dekonvoluce. Vysvětlete, jak můj výběr strukturálního indexu ovlivňuje výsledek. Jak mohu porovnat získaná rozdělení hloubky s různými indexy a potvrdit je s geologickou věrohodností a seismicitou?
4) Magnetická korekce polohy svařování:
Než uděláte ze středu mé magnetické anomálie vrtný terč, vysvětlete vliv zeměpisné šířky a nutnost jeho zmenšení na pól. Jak započítám posun mezi skutečným umístěním zdroje a středem anomálie? Řekněte mi krok za krokem.
Slabá výzva / Silná výzva
Slabá výzva:
Řekněte mi, kde je ruda na této gravitační mapě.
Potenciální oblast sama o sobě neukazuje rudu; AI skrývá nejistotu a vytváří jednobodovou falešnou jistotu.
Výkonná výzva:
Vaše role: potenciální komentátor v terénu. Kontext: Mapa Bouguerových anomálií, cílová sulfidická ruda, dvě vrty. Úkol: (1) označte hranice kandidátských zdrojů pomocí atributů detekce okrajů; (2) uveďte alespoň dva scénáře hustoty a hloubky pro každého kandidáta, mělký-malý a hluboký-velký; (3) Řekněte mi, jaká další data (magnetická, seismická, studna) doporučujete k oddělení těchto scénářů. Neuvádějte jediné přesné umístění zdroje.
Scénáře nejistoty a požadavky napříč daty činí potenciální interpretaci v terénu poctivou a obhajitelnou.
Porovnání metod
funkce
gravitace
magnetické
Příspěvek AI
Rozdíl, který měří
hustota
magnetizace
Sloučení atributů
typický cíl
pánev, sůl, ruda
Podloží, ruda
Označení hrany/svaru
Hlavní nejistota
Hloubka-amplituda
Efekt zeměpisné šířky/pólu
zúžit nejistotu
kritická korekce
Bouguer, země
Denně, IGRF, RTP
automatizace, ovládání
Časté chyby
- Jediný rozdíl je nyní věřit mapě. Nedeklarujte strukturu bez testování anomálie s různými hraničními hodnotami.
- Obcházení efektu zeměpisné šířky. Centrum magnetické anomálie není přímo nad zdrojem.
- Volba strukturního indexu libovolně. Eulerova hloubka je na tento předpoklad velmi citlivá.
- Považovat pouze potenciální oblast za definitivní. Nízké rozlišení; Kombinujte se seismickým/vrtem.
- Spokojit se s jediným modelem, který skrývá nejistotu. Ujistěte se, že vytváříte mělké-malé vs. hluboké-velké scénáře.
V souhrnu
Gravitační a magnetické metody levně skenují velké plochy a poskytují hrubý obrys pánve a struktury rudy; Umělá inteligence urychluje vykreslování, značení okrajů/zdrojů a odhad hloubky. Ale nejistota hloubky-amplitudy, efekt zeměpisné šířky a citlivost parametrů, které jsou vlastní potenciálním polím, činí výstup AI extrémně křehkým. Správné použití: generování více scénářů, testování s různými parametry, pozorování fyziky, jako je redukce na pól a kombinování se seismickou/vrtnou. Konečný výklad patří odborníkovi, který neskrývá nejistotu.
Aplikační úkol
Vyberte gravitační nebo magnetickou anomálii (skutečnou nebo ukázkovou). Vytvořte srovnávací rutinu pro různé mezní vlnové délky pomocí šablony "Regionální-reziduální diskriminační test". Pokud je magnetický, vyhodnoťte vliv zeměpisné šířky pomocí šablony „Korekce polohy magnetického zdroje“. Zapište si alespoň dva různé podpovrchové scénáře, které anomálii vysvětlují, a další údaje pro jejich rozlišení.
kontrolní seznam
- [ ] Použil jsem všechny korekce vykreslování (Bouguer/terén nebo log/IGRF).
- [ ] Regionálně-zbytkové rozlišení jsem testoval s různými parametry.
- [ ] Vzal jsem v úvahu efekt zeměpisné šířky / redukci na pól v magnetismu.
- [ ] Vytvořil jsem alespoň dva scénáře hloubkové amplitudy pro anomálii.
- [ ] Výsledek jsem křížově ověřil seismickou/vrtnou/jinou metodou.