Kasu:
- Oskus mõista võimalikke väljatöötluse parandusi (Bouguer, land, log, IGRF) ja piirkondliku jäägi eraldamise parameetrite tundlikkust ning testida seda erinevate eraldustega
- Võimalus õigesti tõlgendada allika asukohta, võttes arvesse sügavuse-amplituudi määramatust ja magnetilise laiuskraadi efekti (taandamine pooluseni)
- Võimalus ristvalideerida potentsiaalse välja tõlgendust alternatiivsete stsenaariumide ja seismilise/kaevu abil ilma potentsiaalse välja tõlgendust ühele mudelile lukustamata
Seismiline meetod on kallis ja seda ei saa kõikjal rakendada. Siin tulevad mängu potentsiaalsed väljameetodid - gravitatsioon ja magnetiline: suhteliselt odavad meetodid, mis skaneerivad kiiresti suuri alasid ja paljastavad basseinide ja maagikehade karmi struktuuri. Gravitatsioonimeetod mõõdab väga väikeseid gravitatsioonimuutusi, mida põhjustavad tiheduse erinevused maa all; Magnetmeetodiga mõõdetakse kivimite magnetiseerumise (magnetilise vastuvõtlikkuse) erinevustest tulenevaid väljamuutusi. Selles üksuses selgitame, kuidas tehisintellekt (AI) kiirendab nende kahe meetodi – anomaalia diskrimineerimise ja sügavuse hindamise – töötlemist; Näeme, miks potentsiaalsetele väljadele omane tugev ebakindlus nõuab tehisintellekti kasutamist eriti ettevaatlikult.
Võimalike väliandmete olemus
Alustame sõnastikust. Anomaalia, kõrvalekalle eeldatavast piirkondlikust väärtusest; Teisisõnu, see on meid huvitava maa-aluse struktuuri signatuur. Gravitatsioonis tehakse töötlemata mõõtmisel palju korrektsioone: vabaõhu korrektsioon (kõrguse mõju), Bougueri korrektsioon (kivimi massi mõju mõõtmise ja võrdlusaluse vahel) ja maastiku korrektsioon (topograafia mõju). Saadud Bougueri anomaalia peegeldab maa-aluse tiheduse erinevusi. Magnettehnikas lahutatakse magnetilise anomaalia saamiseks igapäevane kõikumine ja põhiväli (IGRF).
Potentsiaalsete väljade peamine väljakutse on sügavuse-amplituudi määramatus: väike ja madal allikas ning suur ja sügav allikas võivad tekitada peaaegu samasuguse pinnaanomaalia. See on seismilise polüseemia potentsiaalne väljaseisund ja tehisintellekt ei kõrvalda seda, vaid kiirendab seda. Seetõttu küsingi kommentaariumis alati "kui palju erinevaid mudeleid seda anomaaliat seletavad?" küsitakse.
AI töötlemisel ja väljade eraldamisel
Võimaliku välitöötlemise tuum on piirkondlik jääkeraldus: aeglaselt muutuva piirkondliku komponendi eraldamine laiadest sügavatest allikatest ja jääkkomponendi eraldamine madalatest kohalikest allikatest. Klassikalised meetodid on polünoomsobitus või lainepikkusfiltrid; AI-põhised lähenemisviisid võivad näidetest õppides muuta selle eristamise paindlikumaks. Lisaks tuletispõhised funktsioonid – horisontaalsed/vertikaalsed tuletised, analüütiline signaal, kaldenurk – tõstavad esile allika servad; Tehisintellekt võib neid atribuute kombineerida ja automaatselt märgistada serva- ja ressursikandidaate.
On oht, et filtri parameeter (läbilõike lainepikkus) muudab tõlgendust täielikult. Samad andmed annavad täiesti erinevad jääkkaardid erinevate eristustega. Isegi kui tehisintellekt soovitab eraldada, kontrollib ekspert, kas see eraldus sobib sihtsügavusele.
Näpunäide. Ärge fikseerige piirkondliku jäägi eristust ühe parameetriga. Looge kolm või neli erineva piirlainepikkusega jääkkaarti ja vaadake, kas sihtanomaalia näib kõigil neil ühtlane. Anomaalia, mis ilmneb ainult ühes eristuses, on sageli parameetri artefakt.
Sügavuse hindamine ja automatiseerimine
Allika sügavuse hindamiseks potentsiaalsetes piirkondades kasutatakse selliseid meetodeid nagu Euleri dekonvolutsioon ja Werneri dekonvolutsioon; need hindavad allika asukohta ja sügavust anomaalia gradientide põhjal. AI saab neid ennustusi kiirendada ja luua puhtama "sügavuspilve", koondades tuhandeid lahendusi. Need meetodid on aga väga tundlikud selliste sisendite suhtes nagu struktuuriindeks — eeldus, mis määrab allika geomeetria; Vale oletus annab süstemaatiliselt vale sügavuse. Tehisintellekti koostatud sügavuskaarti kontrollitakse alati geoloogilise usutavuse ja võimalusel seismilise/kaevu alusel.
Ettevaatust: magnetandmete polaarsuse ja laiuskraadi mõjude tõttu ei pruugi anomaalia olla vahetult allika kohal. Põhjapoolkeral võib anomaalia nihkuda allikast lõunasse. Ärge aktsepteerige AI-ga tähistatud "ressursikeskust", kus see asub ilma poolusesse taandamata.
Tõlgendus integreeritud seismilisega
Ainuüksi potentsiaalsed väljad on halva eraldusvõimega; Nende tegelik jõud ilmneb ühises tõlgendamises. Gravitatsioon annab basseini sügavuse, magnet annab aluse topograafia ja seismiline annab peenstruktuuri. AI aitab ühendada need erinevad andmekihid ühiseks mudeliks (andmete liitmine); kuid koostamine toimub eksperdi järelevalve all, võttes arvesse iga meetodi lahutusvõimet ja ebakindlust.
kolm minikarpi
Juhtum 1 – basseini serva kitsendamine. Ühes maasoojusprojektis oli vaja leida basseini serv (tõrke samm) gravitatsiooniandmetega. AI-abiga servatuvastus (kaldenurk + analüütiline signaal) tähistas 12 kandidaatserva joont. Töörühm kontrollis neid magnet- ja kahe olemasoleva puurkaevuga; 5 olid kooskõlas keldri rikkeastmega, 7 olid mürast põhjustatud. Kontrollitud serv nihutas kaevu asukohta 800 m võrra.
2. juhtum – laiuskraadi efekti eksitus. Maavarade uurimisel valiti otseseks puurimise sihtmärgiks magnetanomaalia keskpunkt. Esimene kaev tuli tühjaks. Hiljem poolusele taandatuna saadi aru, et tegelik allikas asus anomaalia keskusest 300 m põhja pool: laiuskraadi efekti eirati. Teine šaht leidis maagi keha.
Juhtum 3 – parameetritest sõltuv kummitus. Üks meeskond nägi ühe piirlainepikkuse tekitatud jääkkaardil selget "manustatud struktuuri". Kui kaarti reprodutseeriti erinevate piirväärtustega, kadus struktuur: see oli piirkondliku jäägi eristuse parameetrite artefakt, mitte tegelik allikas.
Neli kopeeritavat malli
1) Töötlemise korrektsiooni juhtimine:
Teie roll: gravitatsiooni-/magnettöötluse spetsialist. Saagis: [gravitatsioon maismaal, karm maastik]. Nimetage mind rakendatavate paranduste järjekorras (vaba õhk, Bouguer, maastik; igapäevane +IGRF järeletulemisel). Iga paranduse juures kirjutage kommentaaridesse tüüpiline viga ja selle mõju, kui see on välja jäetud.
2) Piirkondliku jääkide diskrimineerimise testimine:
Teen piirkondlikku jääkdiskrimineerimist, minu sihtsügavus on ~[X] km. Kuidas valida piirlainepikkust? Andke mulle protseduur erinevate piirväärtustega toodetud jääkkaartide võrdlemiseks: kuidas eristada, milline anomaalia on tõeline ja milline parameetri artefakt?
3) Sügavushinnangu juhtimine:
Ma hindasin sügavust Euleri dekonvolutsiooni abil. Selgitage, kuidas minu struktuurse indeksi valik mõjutab tulemust. Kuidas võrrelda erinevate indeksitega saadud sügavusjaotusi ning kinnitada neid geoloogilise usutavuse ja seismilisusega?
4) Magnetkeevitusasendi korrigeerimine:
Enne kui muudan oma magnetanomaalia keskpunkti puurimise sihtmärgiks, selgitage laiuskraadi efekti ja vajadust taandada see poolusele. Kuidas arvestada nihet allika tegeliku asukoha ja anomaalia keskuse vahel? Räägi mulle samm-sammult.
Nõrk viip / Tugev viip
Nõrk viip:
Ütle mulle, kus maak sellel gravitatsioonikaardil on.
Ainuüksi potentsiaalne pindala ei näita maagi; AI varjab ebakindlust ja annab ühepunktilise valekindluse.
Võimas viip:
Sinu roll: potentsiaalne välikommentaator. Kontekst: Bougueri anomaalia kaart, sihtmärk sulfiidmaak, kaks kaevu. Ülesanne:(1) märgi kandidaatressursside piirid servatuvastusatribuutidega; (2) esitage iga kandidaadi kohta vähemalt kaks tiheduse ja sügavuse stsenaariumi, madal-väike ja sügav-suur; (3) Öelge mulle, milliseid täiendavaid andmeid (magnetilised, seismilised, kaevud) soovitate nende stsenaariumide eraldamiseks. Ärge andke ressursi täpset asukohta.
Ebakindluse stsenaariumid ja ristandmete päringud muudavad võimaliku väljatõlgenduse ausaks ja kaitstavaks.
Meetodite võrdlus
funktsiooni
gravitatsiooni
magnetiline
AI panus
Erinevus, mida see mõõdab
tihedus
magnetiseerimine
Atribuutide liitmine
tüüpiline sihtmärk
bassein, sool, maak
Aluskivim, maak
Serva/keevisõmbluse märgistus
Peamine ebakindlus
Sügavus-amplituud
Laiuskraadi/pooluse efekt
vähendada ebakindlust
kriitiline korrektsioon
Bouguer, maa
Iga päev, IGRF, RTP
automatiseerimine, juhtimine
Levinud vead
- Ainus erinevus on nüüd kaarti usaldada. Ärge deklareerige struktuuri ilma anomaaliat erinevate piirväärtustega testimata.
- Laiuskraadi efektist möödaminek. Magnetilise anomaalia keskus ei asu vahetult allika kohal.
- Struktuuriindeksi meelevaldne valimine. Euleri sügavus on selle eelduse suhtes väga tundlik.
- Arvestades ainuüksi potentsiaalset piirkonda lõplikuks. Madal eraldusvõime; Kombineeri seismilise/kaevuga.
- Leppida ühe mudeliga, mis varjab ebakindlust. Looge kindlasti madal-väike vs sügav-suur stsenaariumid.
Kokkuvõttes
Gravitatsiooni- ja magnetmeetodid skaneerivad odavalt suuri alasid ja annavad basseini ja maagi struktuuri ligikaudse ülevaate; AI kiirendab renderdamist, serva/allika märgistamist ja sügavuse hindamist. Kuid potentsiaalsetele väljadele omane sügavus-amplituudi määramatus, laiuskraadiefekt ja parameetrite tundlikkus muudavad AI väljundi äärmiselt hapraks. Õige kasutamine: mitme stsenaariumi genereerimine, erinevate parameetritega testimine, füüsika jälgimine, näiteks pooluseni redutseerimine ja seismilise/kaevuga kombineerimine. Lõplik tõlgendus kuulub eksperdile, kes ei varja ebakindlust.
Rakenduse ülesanne
Valige gravitatsiooni- või magnetanomaalia (päris või näidis). Looge malliga „Piirkondliku jäägi eristamise test” erinevate piirlainepikkuste jaoks võrdlusrutiin. Kui see on magnetiline, hinnake laiuskraadi efekti malliga "Magnetilise allika asukoha korrigeerimine". Kirjutage üles vähemalt kaks erinevat maa-alust stsenaariumi, mis anomaaliat selgitavad, ja lisaandmed nende eristamiseks.
kontrollnimekiri
- [ ] Rakendasin kõik renderdusparandused (Bouguer/relain või log/IGRF).
- [ ] Testisin regionaal-jääk eristust erinevate parameetritega.
- [ ] Võtsin arvesse magnetilisuse laiuskraadi efekti / pooluse vähenemist.
- [ ] Olen koostanud anomaalia jaoks vähemalt kaks sügavus-amplituudi stsenaariumi.
- [ ] Tulemuse ristvalideerisin seismilise/kaevu/muu meetodiga.