Gevinster:
- Evne til at konstruere geostatistiske trin såsom kompositering, variogram og kriging med AI og stille spørgsmålstegn ved antagelser
- Evne til at fortolke blokmodel, karaktertonnagekurve og ressourceklassificering (målt/vist/udtrukket) med AI-understøttelse
- Evne til at teste forudsigelse og usikkerhedsværdier produceret af AI gennem uafhængig beregning, krydsvalidering og kvalificeret person (CP/QP) bedømmelse
Det mest kritiske tal for et mineselskab er, hvor meget og hvilken kvalitet malm der er under jorden. Dette nummer; Det bestemmer investeringsbeslutningen, børsværdien, bankfinansiering og ovnens levetid. Men ingen kan måle hele stoffet én efter én; kun sparsomme borepunkter udtages, og intervaller estimeres. Den disciplin, der placerer denne forudsigelse på et videnskabeligt grundlag, kaldes geostatistik. Geostatistik modellerer, hvor ens rumlige (baseret på placering i rummet) data er til hinanden og estimerer umålte punkter med en usikkerhedsmargin. AI; Det er et stærkt hjælpemiddel i koden, scenariesammenligningen og usikkerhedsanalysedelen af denne proces. Det er dog den kompetente persons beslutning (kompetent person / CP i JORC, Qualified Person / QP i NI 43-101), hvilken model der er gyldig, hvilken antagelse der er acceptabel, og hvordan ressourcen vil blive klassificeret.
Ressource og reserve: kritisk skelnen
Lad os først afklare de to udtryk. Mineralressource: Malm, der kan udvindes økonomisk baseret på geologisk information; De klassificeres som udledte, angivet og målt i henhold til konfidensniveauet. Mineralreserve (reserve): den del af ressourcen, der rent faktisk kan udvindes rentabelt gennem teknisk og økonomisk arbejde (minemetode, anlægseffektivitet, omkostninger, metalpris); De er klassificeret som sandsynlige og beviste. Ressourcen er geologisk, reservatet er økonomisk. AI kan forklare disse definitioner, men den kan ikke afgøre, hvilken klasse et tal falder ind under; Dette er den kompetente persons vurdering, der ser på datatæthed og kontinuitetstillid.
Trin for trin: geostatistisk arbejdsgang og stedet for AI
- Sammensætning. At bringe analyseintervaller af forskellige størrelser til lige længde (f.eks. 1 m eller 2 m). AI: skriver kode, etablerer enhed og vægtet gennemsnitslogik; Du styrer resultatet.
- Statistisk gennemgang. Karakterfordeling, afvigelser, dækning (topsnit: begrænsning af ekstremt høje karakterer). AI: genererer histogram/opsummerende statistikkode; Geologen træffer begrænsningsbeslutningen.
- Variogram analyse. Modellering af rumlig kontinuitet: hvordan ligheden aftager, når punkter bevæger sig længere fra hinanden. Rækkevidde, tærskel og nugget parametre. AI: forklarer konceptet variogram, giver et kodeskelet; Geostatistikeren verificerer modeltilpasning.
- Forudsigelse (kriging/IDW/simulering). Tildeling af karakterer til hver blok i blokmodellen. Kriging er en vægtet estimeringsmetode baseret på variogram. AI: forklarer metodeforskelle, bygger kode; Eksperten vælger parametrene.
- Verifikation. Krydsvalidering, sammenligning af forudsigelse til prøve, visuel inspektion, udjævningskontrol. AI: genererer valideringsgrafer; Eksperten kommer med kommentaren.
- Klassificering og rapportering. Ressource-/reserveklasser, karaktertonnagekurve, JORC/UMREK-kompatibilitet. AI: udkast til tekst og tabel; Underskriften tilhører den autoriserede person.
Tip: Lad ikke AI sige "du vælger variogramparametrene". Rækkevidde og kuldepåvirkning afhænger af malmlegemets geologi; det forkerte valg puster eller formindsker systematisk reserven. Brug AI som kode- og scenariegenerator, overlad beslutningen til geostatistikeren.
Karaktertonnagekurve og økonomisk grænsekvalitet (afskæring)
Afskæringsgrad er den tærskel, der bestemmer, om en blok betragtes som malm eller rust; metalprisen afhænger af omkostninger og anlæggets effektivitet. Efterhånden som grænseklassen ændres, ændres reservens tonnage og gennemsnitsgrad; Dette forhold er vist ved karaktertonnage-kurven. AI kan skrive kode, der beregner denne kurve og hurtigt sammenligne scenarier (anden afskæring, forskellig metalpris). Men omkostnings- og prisantagelsen, som afskæringen fastlægges på, er en økonomisk beslutning og træffes sammen af det tekniske team og ledelsen.
tre minisager
Sag 1 — Uagtsomhed i dækning. I et guldprojekt giver flere boringer usædvanligt høje kvaliteter på 120 g/t. Holdet kriger dem uden dækning; Den gennemsnitlige kvalitet er 2,4 g/t. AI er krydsvalideret; Estimater er faktisk oppustet ved meget lidt boring, med nogle få blokke, der er tildelt ekstremt højt. Efter passende dækning (f.eks. 30 g/t) falder gennemsnittet til 1,7 g/t. Forskellen ændrer direkte projektets gennemførlighed. AI producerede beregningen og diagrammet; Beslutningen om begrænsningsniveau blev truffet af geostatistikeren.
Tilfælde 2 — Forkert rækkevidde. Hvis variogramrækkevidden i en kobberporfyr faktisk er 150 m, men modellen antages at være 400 m, forekommer de sparsomme boreområder for "pålidelige", og de blokke, der bør betragtes som udledte, vil skifte til den angivne klasse. Dette opdages i en revision, og en betydelig del af ressourcen nedgraderes til en lavere tillidsklasse. AI'en havde genereret variogramkoden, men fejlen blev forstørret, fordi rækkevidden ikke blev gennemgået af en ekspert; Lektionen er at sikre, at modellens pasform er verificeret af en ekspert.
Case 3 — Korrekt scenariesammenligning. I et jernprojekt ønsker teamet at se resultater i kvalitettonnage for tre forskellige afskæringer (20 %, 25 %, 30 % Fe). De skriver et Python-script til AI, der udfører masse/volumen/densitetslogik og grad-tonnageberegning ved hjælp af deres egne blokmodeldata. Script viser 3 scenarier på få sekunder. Teamet validerer resultaterne i hånden på en blok og går ind i beslutningsmødet med et tydeligt sammenligningsskema. AI har accelereret den iterative beregning her; Dataene og beslutningen tilhørte holdet.
Kopierbare promptskabeloner
SAMMENSÆTNINGSKODE "Rolle: Du er en geostatistikassistent. Skriv en funktion med Python + pandaer, der konverterer fra-til-interval-analysedata til FAST [1 m] sammensætninger. Regler: VÆGT gennemsnit af karakteren efter intervallængde; spring over og rapporter manglende/tomme intervaller; bearbejd separat baseret på hul-ID. Skriv enhedens begyndelse med en antagelse om, hvor mange intervaller, der er sprunget over. resultat."
VARIOGRAM KONCEPT + KODE "Hvad er et variogram: forklar begreberne guldklump, tærskel og rækkevidde i et simpelt sprog. Beregn derefter det eksperimentelle variogram i én retning og giv en sfærisk model, der passer til rangkodeskelet. Tilføj en ADVARSEL: rækkevidde og guldklump skal være ekspertvalgt i henhold til geologien af disse malmværdier; VÆLG IKKE."
GRADE-TONNAGE SCENARIO "Blokmodellens udbytte indeholder følgende kolonner: [x,y,z, grade, blockvolume, density]. Skriv et script, der beregner den samlede tonnage og den gennemsnitlige karakter i hvert scenarie for følgende afskæringsværdier [0.3; 0.4; 0.5]. Fortolk udtrykkeligt antagelsen som en massefylde-enhed."
KRYDSVALIDERING KOMMENTAR "Nedenfor er kriging krydsvalideringsresultater (faktisk vs forudsigelse). Kommentar til: er der systematisk bias, er forudsigelserne overjævnende, i hvilket karakterområde er afvigelsen stor? Træf IKKE en fast beslutning; foreslå hvilken parameter geostatistikeren skal gennemgå. Data: [indsæt]."
Svag prompt / Stærk prompt
SVAG PROMPT: "Beregn reserven til dette projekt."
STÆRK SPØRGSMÅL: "Rolle: Du er geostatistikassistent. Jeg vil give dig min egen blokmodel og variogramparametre. Opsæt et Python-flow med fortolkede enheder og antagelser, der producerer krigingsestimering + krydsvalidering + karaktertonnagekurve. VÆLG parametre; brug mine. Notér sidst i klasserapporten, at resultaterne skal kvalificeres i henhold til en QP (QP) JORC/UMREK."
Sammenligningstabel: metode og AI-rolle
trin
Formål
AI rolle
Ekspert bedømmelse
Sammensætning
Ens støttelængde
Kode + kontrol
Komposit størrelse
Afdækning
Outlier grænse
Graf/statistik
Cap niveau
variogram
rumlig kontinuitet
Koncept + kode
Udvalg af rækkevidde/klump
kriging
Bloker forudsigelse
Kode + stream
Parameter + metode
Klassifikation
Tillidsniveau
udkast til tekst
JORC/UMREK dom
Almindelige fejl
- Springer overdækning over. Et par bonanzas puster værdigennemsnittet og reserven op.
- At have variogramparametrene valgt af AI. Rækkevidde/klump afhænger af geologi; Forkert valg forstyrrer systematisk reservatet.
- Forveksler ressourcer med reserver. Ressourcen er geologisk, reservatet er økonomisk; Klasserne er ikke udskiftelige.
- Ignorerer udjævning. Kriging kan over-blødgøre tenoren; Det reducerer høj tenor og forstørrer lav tenor.
- Indberetning af klassificeringen uden den kompetente persons godkendelse. JORC/UMREK er kun gyldig med underskrift af en autoriseret person.
OBS: Reservenummeret er en officiel erklæring, der videregives til børs, bank og investor. Intet mellemresultat produceret af AI kan blive en officiel reserve-/ressourceerklæring uden den uafhængige evaluering og underskrift fra en kompetent person (CP/QP).
Sammenfattende
Geostatistik er disciplinen at estimere hele malmlegemet med usikkerhed fra sparsom boring: kompositering, capping, variogram, kriging, verifikation og klassificering. I denne strøm er AI stærk inden for kodning, scenariesammenligning, beregning af karaktertonnage og verifikationsgrafik. Men variogramparametre, begrænsningsniveau og ressource-/reserveklassificering er ekspertbeslutninger, og den officielle erklæring kræver underskrift af den kompetente person. Ressourcen er geologisk, reservatet er økonomisk; Udvis aldrig denne skelnen.
Ansøgningsopgave
Fremstil tonnage- og gennemsnitskvalitetstabeller for tre forskellige cut-offs ved hjælp af skabelonen "Grade-tonnage scenario" med en prøve (eller dine egne) sammensatte karakterdata. Lad derefter AI fortolke et kriging-resultat med "Cross-validation interpretation"-skabelonen og liste, hvilke parametre der skal ekspertgennemgang. Lad endelig AI forklare forskellen mellem ressource- og reserve- og klassifikationssikkerhedsniveauer med dine egne ord, og kontroller dens nøjagtighed i forhold til den officielle kodedefinition.
tjekliste
- [ ] Jeg bestemte den sammensatte størrelse og enhedsantagelser, jeg overlod det ikke til AI.
- [ ] Geologen/geostatistikeren tog begrænsningsbeslutningen for ekstreme værdier.
- [ ] Variogram rækkevidde og nugget værdi ekspert gennemgået.
- [ ] Jeg testede Kriging-resultatet med krydsvalidering og visuel inspektion.
- [ ] Jeg brugte ressource- og reserveklasser korrekt og separat.
- [ ] Jeg bemærkede i rapporten, at der kræves en kompetent person (CP/QP) godkendelse for officiel erklæring.