Felddaten, Bohrprotokolle und lithologische Klassifizierung — Künstliche Intelligenz in der Geologie

Gewinne:

Fähigkeit zur Strukturierung und lithologischen Klassifizierung von Bohrprotokollen, Kernbeschreibungen und Feldnotizen mit KI
Möglichkeit, Freitext-Feldbeobachtungen in geologische Standardterminologie und -tabellen umzuwandeln
Möglichkeit zur Überprüfung KI-generierter lithologischer Interpretationen mit Kernfotografie, Logkurven und stratigraphischer Plausibilität

Der Rohstoff der Geotechnik sind Daten, und die meisten dieser Daten entstehen unregelmäßig. Bei den an einem Standort aufbewahrten Kernbeschreibungen handelt es sich um freie Texte, die von verschiedenen Geologen in unterschiedlichen Worten verfasst wurden. Die Protokolle einer Bohrkampagne wurden in unterschiedlichen Formaten und Einheiten geführt, manchmal manuell und manchmal digital; Die Notizen im Feldnotizbuch sind voller Abkürzungen und persönlicher Gewohnheiten. In dieser Einheit decken wir den konkretesten und sichersten Gewinnbereich der künstlichen Intelligenz ab: Strukturierung verstreuter Felddaten (Übersetzung in abfragbare Tabellen), Standardisierung (Überführung in eine gemeinsame Terminologie) und Vornahme einer vorläufigen lithologischen Klassifizierung (Trennung von Gesteinstypen). Aber sagen wir es gleich zu Beginn: Künstliche Intelligenz organisiert die Daten, der Ingenieur genehmigt die geologische Interpretation.

Lassen Sie uns zunächst zwei Schlüsselbegriffe klären. Ein Bohrlochprotokoll ist eine Aufzeichnung der Eigenschaften, gemessen an der Tiefe entlang eines Bohrlochs; Diese Messungen können geologischer (Lithologie, Verwitterung) oder geophysikalischer (Gammastrahlung, spezifischer Widerstand, Dichte) sein. Kern (engl. core) ist eine zylindrische Gesteinsprobe, die durch Bohren aus dem Untergrund gewonnen wird; Es ist der wertvollste Beweis, da er eine direkte Beobachtung des Untergrunds ermöglicht. Unter Lithologie versteht man die Art und den physikalischen Charakter des Gesteins (z. B. Sandstein, Kalkstein, Schiefer).

Freitext strukturieren

Ein Feldgeologe schreibt eine Beschreibung: „0–3,2 m brauner, lockerer, lehmiger Kies, schlecht sortiert; 3,2–7,5 m grauer, mäßig verwitterter, fein-mittelkörniger Sandstein mit spärlichem Karbonatzement; 7,5–12 m hellgrauer, fester, zerklüfteter Kalkstein, Calcit-Ader in 9 m Tiefe.“ Dieser einzelne Satz ist eigentlich eine komprimierte Version einer Tabelle: Tiefenbereich, Farbe, Verwitterungsgrad, Lithologie, Korngröße, sekundäre Eigenschaften. Künstliche Intelligenz entkomprimiert dies.

Der entscheidende Punkt ist dieser: Bitten Sie das Modell um Transformation, nicht um Schlussfolgerungen. Mit anderen Worten: Platzieren Sie die im Text klar geschriebenen Informationen in den Feldern. Erfinden Sie nicht, was nicht im Text steht. Wenn der Geologe für das Feld „Grad der Verwitterung“ „mittel verwittert“ schrieb, schreibt das Modell dies; Wenn der Geologe keine Angaben gemacht hat, sollte das Modell „nicht spezifiziert“ schreiben und keinen Wert angeben. Diese Unterscheidung ist die Grundlage der Datenintegrität.

Schritt für Schritt: Aus einem Kernbuch eine Tabellenkalkulation machen

Sie definieren zuerst das Schema. Welche Spalten werden sein: Tiefe_oben, Tiefe_unten, Lithologie, Farbe, Korngröße, Verwitterung, Diskontinuität, sekundäres_Mineral, Notiz. Sie überweisen das Schema auf das Modell, damit die Ausgabe konsistent ist.
Geben Sie das Standardwörterbuch an. Geben Sie die zulässigen Begriffe für die Lithologie (Sandstein, Schluffstein, Kalkstein, Mergel, Tonstein, Konglomerat...) und die Skala für die Verwitterung (frisch, leicht, mittel, hoch, voll) an. So werden Ausdrücke wie „ein wenig verwittert“ zum Standard.
Kleine Charge verarbeiten. Geben Sie das gesamte Notizbuch nicht auf einmal, sondern in Gruppen von 20 bis 30 Zeilen ab. Fehler erkennt man frühzeitig.
Gehen Sie zurück zur Quelle und überprüfen Sie. Vergleichen Sie zufällige Zeilen der resultierenden Tabelle mit dem Rohtext. insbesondere Tiefengrenzen und lithologische Begriffe.

Lithologische Klassifikation: Von Protokollen zur Interpretation

KI unterstützt die Lithologie auf zwei Arten. Die erste besteht darin, die Definition des Geologen wie oben zu standardisieren. Die zweite und fortgeschrittenere Methode ist die Lithologieschätzung anhand geophysikalischer Logkurven. Beispielsweise nimmt der Gammastrahlen-Log (die natürliche Radioaktivität des Gesteins) mit dem Tongehalt zu; Tonige Gehalte ergeben hohe Werte, saubere Sand- und Kalksteine ergeben niedrige Werte. Durch das Hinzufügen von Widerstands- und Dichteprotokollen kann das Modell aus Kurvenmustern Lithologiegrenzen ableiten.

Die Grenze ist hier wichtig: Protokolle sind indirekte Messungen. Hohes Gamma kann Ton, feldspatreicher Sand oder Vulkanasche sein. Daher ist die logarithmische Vorhersage der Lithologie eine Hypothese; Es ist nur dann endgültig, wenn es mit Bohrkernen oder Bohrklein (Gesteinssplittern, die beim Bohren an die Oberfläche gelangen) in Verbindung steht. Wenn das Modell eine Grenze zeichnet, fragen Sie, ob sich in dieser Tiefe ein Kern befindet. Wenn ja, gewinnt der Kern.

Drei Mini-Hüllen: In Zahlen

Fall 1 – Standardisierungskonsistenz. In einem Bergbauunternehmen verwendeten 6 verschiedene Geologen 11 verschiedene Ausdrücke für „verwitterten Granit“ (verwittert, alteriert, faul, lehmig...). Durch die durch künstliche Intelligenz unterstützte Standardisierung wurde die Datenbank mit 4.800 Zeilen auf eine 5-stufige Zerlegungsskala gesetzt; Danach dauerte die Abfrage „mittel-stark getrennte Zonen“ Sekunden, während sie zuvor Tage dauerte. Zufällig wurden 10 % der Standardisierung per Kern überprüft, die Übereinstimmung war hoch.

Fall 2 – Vorentwurf der Protokollkorrelation. Die Lithologiekorrelation würde anhand von Gammaprotokollen in zwei benachbarten Bohrlöchern (150 m voneinander entfernt) erstellt. Das Modell schlug eine vorläufige Korrelation vor, die vier gemeinsame Ebenen übereinstimmte und einen Mächtigkeitsunterschied auf einer Ebene als „mögliche Verwerfung oder Auskeilung“ kennzeichnete. Als der Ingenieur den Kern der markierten Zone untersuchte, entdeckte er einen wirklich kleinen Fehler; Das Modell gab keine endgültige Antwort, aber es lenkte die Aufmerksamkeit an die richtige Stelle.

Fall 3 – Erfassen der fabrizierten Grenze. In einer Bohrung ordnete das Modell dem 40–45 m langen Abschnitt, für den keine Kerndaten vorlagen, eine „Basalt“-Lithologie zu. Basalt wurde in der Region nicht erwartet; Bei der Aufnahme kam es lediglich zu einem Gamma-Anstieg. Der geologische Plausibilitätsfilter wurde aktiviert, eine Gesteinsprobe aus diesem Abschnitt wurde angefordert und es wurde festgestellt, dass es sich bei dem Gehalt um tonigen Schluffstein handelte. Das Modell hatte den hohen Gammawert falsch interpretiert.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Konvertieren Sie diese Kerndefinitionen in eine Tabelle.[Text]

Kraftvolle Aufforderung:

Übersetzen Sie die folgende Freitext-Kernbeschreibung in das angegebene DIAGRAMM. Füllen Sie KEINE Felder aus, die im Text nicht klar angegeben sind. andernfalls schreiben Sie „unspecified“.Schema (Spalten): Depth_ust_m | Depth_sub_m | Lithologie | Farbe |Korngröße | Segregation | Diskontinuität | sekundäres_mineral | HinweisZulässige lithologische Begriffe: Sandstein, Schluffstein, Tonstein, Kalkstein, Mergel, Konglomerat, Sist, Granit, Basalt. Wenn ein Begriff nicht in der Liste enthalten ist, wird „?“ angezeigt. Markieren Sie und schreiben Sie einen Grund in die Notiz. Diskriminierungsskala: frisch | Licht | Mitte | hoch | hoch | Volltext:[Kernbeschreibung]

Die leistungsstarke Eingabeaufforderung setzt das Schema, das Wörterbuch und das „Fabrikationsverbot“ gemeinsam durch; Die Ausgabe ist sowohl konsistent als auch überprüfbar.

Vier kopierbare Vorlagen

1) Standardisierung von Feldnotizbüchern:

Übersetzen Sie die folgende Feldnotiz in die Standardterminologie. Öffnen Sie Abkürzungen (z. B. „Stein“ -> „Sandstein“), aber ändern Sie den Inhalt NICHT. Markieren Sie mehrdeutige Phrasen als „[mehrdeutig]“ und behalten Sie die ursprüngliche Phrase in Klammern bei. Hinweis: [Feldnotiz]

2) Log-basierte Lithologie-Hypothese:

Schlagen Sie mögliche Lithologiegrenzen anhand der folgenden Protokolldaten vor (Tiefe, Gamma, spezifischer Widerstand, Dichte). Schreiben Sie für jede Grenze: (a) aus welcher Kurvenänderung Sie sie ableiten, (b) die Möglichkeit einer alternativen Lithologie, (c) die Notwendigkeit einer Kernprüfung. Stellen Sie keine Grenze als „sicher“ dar. Daten: [Protokolltabelle]

3) Zwei-Well-Korrelationsskizze:

Vergleichen Sie die Protokolle von Well-A und Well-B. Listen Sie Übereinstimmungsniveaus, Übereinstimmungsgründe und nicht übereinstimmende/verdächtige Zonen separat auf. Beschriften Sie Fehler, Erosion oder Faziesveränderung mit „muss überprüft werden“. Daten: [zwei Bohrlochprotokolle]

4) Datenqualitätskontrolle:

Suchen Sie in der folgenden Lithologietabelle nach logischen Fehlern: überlappende Tiefenbereiche, Lücken, unmögliche Ausrichtungen, Einheiteninkonsistenzen, nicht autorisierte Begriffe. Melden Sie Ergebnisse als Tabelle „Zeilennummer | Problem | Vorschlag“. Daten NICHT KORRIGIEREN, sondern nur markieren.Tabelle: [Lithologietabelle]

Authentifizierungsnachweishierarchie

Beweistyp

Direktheit

Zuverlässigkeit

Wann zu verwenden

Kern (Kern)

am direktesten

am höchsten

Kritische Grenzen der Lithologie

Krümel (schneiden)

mittel

hoch

In Abwesenheit eines Kerns

geophysikalisches Protokoll

indirekt

mittel

Durchgehendes Profil, Lückenfüllung

Modellvorhersage

abgeleitet

Niedrig (allein)

Hypothese, Screening

Freitextnotiz

Variabel

Hängt vom Geologen ab

Zusätzlicher Kontext

Tipp: Wenn Sie künstliche Intelligenz dabei unterstützen, Lithologiegrenzen zu finden, fragen Sie nach „möglicher Grenze und Konfidenzniveau“, nicht nach „exakter Grenze“. Der Kern liefert Genauigkeit, nicht das Modell. Die Ausgabe wird dann zu einem Screening-Instrument und nicht zu einem falschen Anspruch auf Gewissheit.

Achtung: Das Modell tendiert dazu, Tiefenbereiche auszufüllen, die nicht in den Daten enthalten sind, um „keine Lücken zu hinterlassen“. Insbesondere in Zonen mit Kernverlust kann es zu einer gefälschten Lithologie kommen. Markieren Sie Kernverlustzonen deutlich und weisen Sie das Modell an, „leer zu lassen, wenn keine Daten vorhanden sind“.

Häufige Fehler

Ich suche eher nach Schlussfolgerungen als nach Transformation. Erwarten, dass das Modell „errät“, was nicht im Text steht; Dies öffnet gefälschten Daten Tür und Tor. Strukturieren Sie einfach, was geschrieben steht.
Es wird kein Standardwörterbuch bereitgestellt. Freie Terminologie zulassen; Das Ergebnis ist ein unbestreitbares, inkonsistentes Bild.
Akzeptieren Sie die Protokollschätzung als genau. Betrachtet man nur indirekte Messungen (Gamma, spezifischer Widerstand) als Beweis für die Lithologie; Um die Ränder zur Signatur zu verschieben, ohne sie mit Kern/Krümeln zu verbinden.
Um Kernverlustzonen zu verbergen. Füllen von Datenlücken im Modell; Raum muss Raum bleiben.
Stapelweise Verarbeitung ohne Kontrolle. Es werden nicht Tausende von Zeilen auf einmal übersetzt und Stichprobenprüfungen durchgeführt.

Zusammenfassend

Künstliche Intelligenz sorgt für eine sichere und hohe Effizienz bei der Strukturierung, Standardisierung und vorläufigen lithologischen Klassifizierung verstreuter Felddaten.
Bitten Sie um eine Transformation des Modells, nicht um eine Schlussfolgerung. Erfinden Sie nicht, was nicht im Text steht, drucken Sie „nicht spezifiziert“.
Die logarithmische Lithologieschätzung ist indirekt und eine Hypothese; Es kann erst bestätigt werden, wenn es mit Kern- und Krümelproben in Verbindung gebracht wird.
Sie legen das Schema und das Standardwörterbuch fest. Nur dann ist die Ausgabe konsistent und kontrollierbar.
Kernbohrungen stehen an der Spitze der Beweishierarchie; Im Grunde reicht die Modellvorhersage allein nicht aus.

Anwendungsaufgabe

Nehmen Sie 15–20 Zeilen aus einem Feldnotizbuch oder einer Kernbeschreibung, die Sie haben (anonymisieren Sie vertrauliche Feldinformationen). Definieren Sie zunächst Ihr eigenes Schema und das zulässige Lithologie-/Verwitterungswörterbuch und übersetzen Sie es dann mit der leistungsstarken Eingabeaufforderung in eine Tabelle. Vergleichen Sie jede Zeile der resultierenden Tabelle mit dem Rohtext und kennzeichnen Sie alle Bereiche, die das Modell manipuliert oder falsch platziert hat. Überprüfen Sie, ob mindestens ein „nicht spezifiziertes“ Feld korrekt leer gelassen wird.

Checkliste

[ ] Ich kann Freitextfeldbeobachtungen in eine mit Diagrammen und Standardwörterbuch strukturierte Tabelle umwandeln.
[ ] Ich wende die „nicht spezifizierte“ Regel an, dass ich eine Transformation des Modells möchte und es nicht an etwas anpassen muss, das nicht existiert.
[ ] Ich verstehe, dass die logarithmische Lithologieschätzung eine indirekte Hypothese ist und mit dem Kern verknüpft werden sollte.
[ ] Ich markiere Kernverlust- und Datenlückenzonen und verhindere den Einbau.
[ ] Ich validiere die Ausgabe gemäß der Evidenzhierarchie (Kern > Krümel > Protokoll > Modell).