تخمین ذخایر/منابع و زمین آمار

سود:

• امکان ساخت مراحل زمین آماری مانند ترکیب، واریوگرام و کریجینگ با هوش مصنوعی و فرضیات سوال
• قابلیت تفسیر مدل بلوک، منحنی درجه تناژ و طبقه بندی منابع (اندازه گیری/نمایش/استخراج) با پشتیبانی هوش مصنوعی
• توانایی آزمایش مقادیر پیش بینی و عدم قطعیت تولید شده توسط هوش مصنوعی از طریق محاسبه مستقل، اعتبارسنجی متقابل و قضاوت شخص واجد شرایط (CP/QP)

بحرانی ترین عدد برای یک شرکت معدنی این است که چه مقدار و چه عیار سنگ معدن زیرزمینی است. این عدد؛ تصمیم سرمایه گذاری، ارزش بازار سهام، تامین مالی بانکی و عمر کوره را تعیین می کند. اما هیچ کس نمی تواند تمام مواد را یک به یک اندازه گیری کند. فقط نقاط حفاری پراکنده نمونه برداری شده و فواصل زمانی تخمین زده می شود. رشته ای که این پیش بینی را بر مبنای علمی قرار می دهد، زمین آمار نامیده می شود. زمین آمار شباهت داده های مکانی (بر اساس مکان در فضا) را با یکدیگر مدل می کند و نقاط اندازه گیری نشده را با حاشیه عدم قطعیت تخمین می زند. هوش مصنوعی این یک کمک قدرتمند در بخش کد، مقایسه سناریو و تجزیه و تحلیل عدم قطعیت این فرآیند است. با این حال، تصمیم شخص صالح (شخص شایسته / CP در JORC، فرد واجد شرایط / QP در NI 43-101) است که کدام مدل معتبر است، کدام فرض قابل قبول است و چگونه منبع طبقه بندی می شود.

منبع و ذخیره: تمایز حیاتی

بیایید ابتدا دو اصطلاح را روشن کنیم. منابع معدنی: سنگ معدنی که بر اساس اطلاعات زمین شناسی می توان از نظر اقتصادی استخراج کرد. آنها به عنوان استنباط طبقه بندی شده، نشان داده شده و با توجه به سطح اطمینان اندازه گیری می شوند. ذخایر معدنی (ذخایر): بخشی از منبع است که عملاً می توان از طریق کار فنی و اقتصادی به طور سودآور استخراج کرد (روش معدن، کارایی تأسیسات، هزینه، قیمت فلز). آنها به عنوان محتمل و اثبات شده طبقه بندی می شوند. منبع زمین شناسی است، ذخیره اقتصادی است. هوش مصنوعی می تواند این تعاریف را توضیح دهد، اما نمی تواند تصمیم بگیرد که یک عدد در کدام کلاس قرار می گیرد. این قضاوت شخص صالحی است که به تراکم داده ها و اطمینان تداوم نگاه می کند.

گام به گام: گردش کار زمین آماری و مکان هوش مصنوعی

1. ترکیب کردن. فواصل سنجش با اندازه های مختلف را به طول مساوی (به عنوان مثال 1 متر یا 2 متر) بیاورید. هوش مصنوعی: کد می نویسد، منطق واحد و میانگین وزنی را ایجاد می کند. شما نتیجه را کنترل می کنید.
2. بررسی آماری. توزیع درجه، نقاط پرت، درپوش (بالا برش: محدود کردن نمرات بسیار بالا). هوش مصنوعی: کد آماری هیستوگرام/خلاصه را تولید می کند. زمین شناس تصمیم به سقف می گیرد.
3. تجزیه و تحلیل واریوگرام. مدل‌سازی تداوم فضایی: چگونه شباهت با دورتر شدن نقاط از هم کاهش می‌یابد. پارامترهای برد، آستانه و قطعه. هوش مصنوعی: مفهوم واریوگرام را توضیح می دهد، یک اسکلت کد می دهد. زمین آمار برازش مدل را تأیید می کند.
4. پیش بینی (کریجینگ/IDW/شبیه سازی). تخصیص نمرات به هر بلوک از مدل بلوک. کریجینگ یک روش تخمین وزنی بر اساس واریوگرام است. هوش مصنوعی: تفاوت روش ها را توضیح می دهد، کد می سازد. کارشناس پارامترها را انتخاب می کند.
5. تأیید. اعتبارسنجی متقابل، مقایسه پیش‌بینی به نمونه، بازرسی بصری، کنترل هموارسازی. هوش مصنوعی: نمودارهای اعتبارسنجی را تولید می کند. کارشناس نظر می دهد.
6. طبقه بندی و گزارش. کلاس های منبع/رزرو، منحنی درجه تناژ، سازگاری JORC/UMREK. هوش مصنوعی: متن و جدول پیش نویس؛ امضا متعلق به شخص مجاز است.

نکته: هوش مصنوعی را مجبور نکنید که بگوید "شما پارامترهای variogram را انتخاب می کنید". گستره و تاثیر قطعه به زمین شناسی بدنه سنگ معدن بستگی دارد. انتخاب اشتباه به طور سیستماتیک ذخیره را متورم یا کوچک می کند. از هوش مصنوعی به عنوان مولد کد و سناریو استفاده کنید، تصمیم گیری را به متخصص زمین آمار بسپارید.

منحنی درجه تناژ و درجه حد اقتصادی (برش)

عیار برش آستانه ای است که تعیین می کند یک بلوک سنگ معدن یا زنگ زده در نظر گرفته شود. قیمت فلز به هزینه و کارایی کارخانه بستگی دارد. با تغییر درجه حد، تناژ و میانگین عیار ذخیره تغییر می کند. این رابطه با منحنی درجه تناژ نشان داده می شود. هوش مصنوعی می تواند کدی بنویسد که این منحنی را محاسبه کند و به سرعت سناریوها را مقایسه کند (برش های مختلف، قیمت فلز متفاوت). اما فرض هزینه و قیمتی که بر اساس آن برش تعیین می شود، یک تصمیم اقتصادی است و با هم توسط تیم فنی و مدیریت انجام می شود.

سه کیف کوچک

مورد 1 - سهل انگاری درپوش. در یک پروژه طلا، چندین حفاری عیار فوق‌العاده بالای 120 گرم در تن تولید می‌کنند. تیم آنها را بدون درپوش می کشد. میانگین عیار 2.4 گرم در تن است. هوش مصنوعی دارای اعتبار متقابل است. تخمین ها در واقع با حفاری بسیار کمی باد می شوند، با چند بلوک بسیار بالا اختصاص داده شده است. پس از پوشش مناسب (به عنوان مثال 30 گرم در تن) میانگین به 1.7 گرم در تن کاهش می یابد. تفاوت به طور مستقیم امکان سنجی پروژه را تغییر می دهد. هوش مصنوعی محاسبه و نمودار را تولید کرد. تصمیم گیری سطح سقف توسط زمین آمار گرفته شد.

مورد 2 - محدوده اشتباه. اگر دامنه واریوگرام در پورفیری مس در واقع 150 متر باشد اما مدل 400 متر در نظر گرفته شود، نواحی حفاری پراکنده بیش از حد "قابل اعتماد" به نظر می رسند و بلوک هایی که باید استنباط شده در نظر گرفته شوند به کلاس نشان داده شده منتقل می شوند. این در یک ممیزی شناسایی می شود و بخش قابل توجهی از منبع به یک کلاس اعتماد پایین تر کاهش می یابد. هوش مصنوعی کد واریوگرام را ایجاد کرده بود، اما به دلیل اینکه محدوده توسط متخصص بررسی نشده بود، خطا بزرگ شد. درس این است که اطمینان حاصل شود که تناسب مدل توسط یک متخصص تأیید شده است.

مورد 3 - مقایسه سناریوی صحیح. در یک پروژه آهن، تیم می خواهد نتایج درجه تناژ را برای سه برش مختلف (20، 25، 30 درصد آهن) ببیند. آنها یک اسکریپت پایتون برای هوش مصنوعی می نویسند که منطق جرم / حجم / چگالی و محاسبه درجه تناژ را با استفاده از داده های مدل بلوک خود انجام می دهد. اسکریپت جداول 3 سناریو در ثانیه. تیم نتایج را با دست روی یک بلوک تأیید می کند و با یک نمودار مقایسه واضح وارد جلسه تصمیم گیری می شود. هوش مصنوعی در اینجا محاسبه تکراری را تسریع کرده است. داده ها و تصمیم متعلق به تیم بود.

الگوهای درخواستی قابل کپی

کد ترکیبی "نقش: شما یک دستیار زمین آمار هستید. تابعی را با پایتون + پاندا بنویسید که داده‌های سنجش از فاصله به فاصله را به ترکیبات ثابت [1 متر] تبدیل می‌کند. قوانین: میانگین وزنی نمره بر اساس طول بازه، رد شوید و گزارش خالی/خالی را در بازه‌های زمانی شروع کنید. فرآیند به صورت مجموع بر اساس یک شناسه W به صورت مجزا. تعداد بازه هایی که در نتیجه حذف شده اند را برگردانید."

مفهوم واریوگرام + کد "واریوگرام چیست: مفاهیم قطعه، آستانه و محدوده را به زبان ساده توضیح دهید. سپس واریوگرام آزمایشی را در یک جهت محاسبه کنید و یک مدل کروی متناسب با اسکلت کد رتبه ارائه دهید. یک نکته اخطار اضافه کنید: محدوده و قطعه باید به طور ماهرانه با توجه به زمین شناسی سنگ معدن انتخاب شوند. NOT این مقادیر را انتخاب کنید."

سناریوی درجه تناژ "بازده مدل بلوک شامل ستون‌های زیر است: [x،y،z، درجه، حجم بلوک، چگالی]. اسکریپتی بنویسید که کل تناژ و میانگین عیار را در هر سناریو برای مقادیر برش زیر محاسبه می‌کند [0.3؛ 0.4؛ 0.5]. توصیف مجدد به عنوان نتیجه به‌طور واضح و تفسیر یک واحد به صورت واضح جدول."

نظر اعتبار متقابل "در زیر نتایج اعتبارسنجی متقاطع کریجینگ (واقعی در مقابل پیش‌بینی) آمده است. نظر در مورد: آیا سوگیری سیستماتیک وجود دارد، آیا پیش‌بینی‌ها بیش از حد هموار می‌شوند، انحراف در چه محدوده درجه‌ای زیاد است؟ تصمیم قطعی نگیرید؛ پیشنهاد کنید زمین‌آمار باید کدام پارامتر را بررسی کند. داده‌ها: [پیوند].

اعلان ضعیف / اعلان قوی

اعلان ضعیف: "محاسبه ذخیره برای این پروژه."

STRONG PROMPT: "نقش: شما دستیار زمین آمار هستید. من مدل بلوک و پارامترهای واریوگرام خودم را به شما می‌دهم. یک جریان پایتون با واحدهای تفسیر شده و مفروضاتی تنظیم کنید که تخمین کریجینگ + اعتبار متقاطع + منحنی درجه تناژ را تولید می‌کند. پارامترها را انتخاب کنید؛ باید از من استفاده کنید. باید از نتایج من استفاده کنید. یک گزارش نهایی توسط فرد واجد شرایط تایید شود. (CP/QP) طبق JORC/UMREK."

جدول مقایسه: روش و نقش هوش مصنوعی

گام

هدف

نقش هوش مصنوعی

قضاوت کارشناسی

ترکیب کردن

طول ساپورت برابر

کد + کنترل

اندازه مرکب

دربندی

حد پرت

نمودار/آمار

سطح کلاهک

واریوگرام

تداوم فضایی

مفهوم + کد

انتخاب محدوده / قطعه

کریجینگ

بلوک پیش بینی

کد + جریان

پارامتر + روش

طبقه بندی

سطح اعتماد

متن پیش نویس

قضاوت JORC/UMREK

اشتباهات رایج

• پرش از درپوش. چند بونزا میانگین ارزش را افزایش می دهد و ذخیره می کند.
• داشتن پارامترهای واریوگرام انتخاب شده توسط هوش مصنوعی. محدوده / قطعه بستگی به زمین شناسی دارد. انتخاب اشتباه به طور سیستماتیک ذخیره را مختل می کند.
• اشتباه گرفتن منابع با ذخایر منبع زمین شناسی است، ذخیره اقتصادی است. کلاس ها قابل تعویض نیستند.
• نادیده گرفتن صاف کردن کریجینگ ممکن است تنور را بیش از حد نرم کند. تنور بالا را کاهش می دهد و تنور پایین را بزرگ می کند.
• گزارش طبقه بندی بدون تایید شخص ذیصلاح. JORC/UMREK فقط با امضای یک فرد مجاز معتبر است.

توجه: شماره ذخیره یک اعلامیه رسمی است که به بورس، بانک و سرمایه گذار اعلام می شود. هیچ نتیجه میانی تولید شده توسط هوش مصنوعی نمی تواند بدون ارزیابی مستقل و امضای یک فرد ذیصلاح (CP/QP) به یک اعلامیه رسمی ذخیره/منبع تبدیل شود.

به طور خلاصه

زمین آمار رشته تخمین کل بدنه سنگ معدن با عدم قطعیت از حفاری پراکنده است: ترکیب، پوشش، واریوگرام، کریجینگ، تایید و طبقه بندی. در این جریان، هوش مصنوعی در کدنویسی، مقایسه سناریو، محاسبه درجه تناژ و گرافیک تأیید قوی است. اما پارامترهای واریوگرام، سطح سقف و طبقه بندی منابع/ذخیره تصمیمات کارشناسی هستند و اظهارنامه رسمی مستلزم امضای شخص ذیصلاح است. منبع زمین شناسی است، ذخیره اقتصادی است. هرگز این تمایز را محو نکنید.

وظیفه کاربردی

با استفاده از الگوی «سناریوی درجه تناژ» با یک نمونه (یا خودتان) داده‌های درجه ترکیبی، جداول تناژ و میانگین درجه را برای سه برش مختلف تولید کنید. سپس از هوش مصنوعی بخواهید که یک نتیجه کریجینگ را با الگوی «تفسیر اعتبار متقابل» تفسیر کند و فهرستی از پارامترهایی که نیاز به بررسی متخصص دارند. در نهایت، از هوش مصنوعی بخواهید تفاوت بین سطح اطمینان منبع و ذخیره و طبقه بندی را به زبان خودتان توضیح دهد و صحت آن را در برابر تعریف کد رسمی بررسی کنید.

چک لیست

• [ ] من فرضیات اندازه و واحد ترکیبی را تعیین کردم، آن را به هوش مصنوعی واگذار نکردم.
• [ ] زمین‌شناس/زمین‌آمار تصمیم‌گیری را برای مقادیر شدید تعیین کرد.
• [ ] کارشناس محدوده واریوگرام و ارزش قطعه بررسی شد.
• [ ] من نتیجه کریجینگ را با اعتبارسنجی متقاطع و بازرسی بصری آزمایش کردم.
• [ ] من از کلاس های منبع و رزرو به طور صحیح و جداگانه استفاده کردم.
• [ ] در گزارش متذکر شدم که تأییدیه شخص ذیصلاح (CP/QP) برای اظهارنامه رسمی مورد نیاز است.