Données de terrain, journaux de forage et classification lithologique

Gains :

• Capacité à structurer et à classer lithologiquement les journaux de forage, les descriptions de carottes et les notes de terrain avec l'IA
• Possibilité de convertir les observations de terrain en texte libre en terminologie et tableaux géologiques standard
• Capacité à vérifier les interprétations lithologiques générées par l'IA avec des photographies de base, des courbes logarithmiques et la plausibilité stratigraphique

La matière première du génie géologique sont les données, et la plupart de ces données naissent de manière irrégulière. Les descriptions de base conservées sur un site sont des textes libres rédigés dans des mots différents par différents géologues ; Les journaux d'une campagne de forage étaient conservés sous différents formats, dans différentes unités, tantôt manuellement, tantôt numériquement ; Les notes du carnet de terrain regorgent d'abréviations et d'habitudes personnelles. Dans cette unité, nous abordons le domaine de profit le plus concret et le plus sûr de l'intelligence artificielle : structurer des données de terrain dispersées (les traduire en tableaux interrogeables), les normaliser (les amener à une terminologie commune) et effectuer une classification lithologique préliminaire (séparation des types de roches). Mais disons-le dès le début : l'intelligence artificielle organise les données, l'ingénieur valide l'interprétation géologique.

Clarifions d'abord deux termes clés. Un journal de forage est un enregistrement des propriétés mesurées en fonction de la profondeur le long d'un puits ; ces mesures peuvent être géologiques (lithologie, altération) ou géophysiques (rayons gamma, résistivité, densité). Core (noyau anglais) est un échantillon de roche cylindrique extrait du sous-sol par forage ; C’est le témoignage le plus précieux car il permet une observation directe du sous-sol. La lithologie est le type et le caractère physique de la roche (comme le grès, le calcaire, le schiste).

Structuration du texte libre

Un géologue de terrain écrit une description : « 0 à 3,2 m de gravier argileux meuble, brun, mal trié ; 3,2 à 7,5 m de grès gris, modérément altéré, à grain fin à moyen avec un ciment carbonaté clairsemé ; 7,5 à 12 m de calcaire gris clair, solide et fissuré, veine de calcite à 9 m. » Cette simple phrase est en fait une version compressée d'un tableau : plage de profondeur, couleur, degré d'altération, lithologie, granulométrie, propriétés secondaires. L’intelligence artificielle décompresse cela.

Le point critique est le suivant : demander au modèle une transformation, pas une inférence. En d’autres termes, placez les informations clairement écrites dans le texte dans les champs ; N'inventez pas ce qui n'est pas dans le texte. Pour le champ « degré d'altération », si le géologue a écrit « moyennement altéré », le modèle écrit ceci ; Si le géologue n'en a pas précisé, le modèle doit écrire « non spécifié » et ne correspondre à aucune valeur. Cette distinction est la base de l’intégrité des données.

Étape par étape : transformer un livre de base en une feuille de calcul

1. Vous définissez d'abord le schéma. Quelles colonnes seront : profondeur_haut, profondeur_bas, lithologie, couleur, taille_grain, altération, discontinuité, minéral_secondaire, note. Vous imposez le schéma au modèle afin que la sortie soit cohérente.
2. Donnez le dictionnaire standard. Donner les termes autorisés pour la lithologie (grès, siltite, calcaire, marne, argile, conglomérat...) et l'échelle d'altération (frais, léger, moyen, élevé, plein). Ainsi, des expressions telles que « un peu patiné » deviennent standards.
3. Traitez un petit lot. Donnez le cahier entier non pas en une seule fois, mais par lots de 20 à 30 lignes ; Vous détectez les erreurs tôt.
4. Revenez à la source et vérifiez. Comparez les lignes aléatoires du tableau résultant avec le texte brut ; en particulier les limites de profondeur et les termes lithologiques.

Classification lithologique : des journaux à l'interprétation

L'IA prend en charge la lithologie de deux manières. La première consiste à standardiser la définition de géologue comme ci-dessus. La deuxième, la plus avancée, est l'estimation lithologique à partir de courbes diagraphiques géophysiques. Par exemple, le log des rayons gamma (la radioactivité naturelle de la roche) augmente avec la teneur en argile ; Les niveaux argileux donnent des valeurs élevées, les grès et calcaires propres donnent des valeurs faibles. En ajoutant des enregistrements de résistivité et de densité, le modèle peut suggérer des limites lithologiques à partir de modèles de courbes.

La limite ici est importante : les logs sont des mesures indirectes. Un gamma élevé peut être de l'argile, du sable riche en feldspath ou des cendres volcaniques. Par conséquent, la prédiction lithologique basée sur les logs est une hypothèse ; Il n'est définitif que s'il est lié à des carottes ou à des déblais (éclats de roche qui remontent à la surface lors du forage). Lorsque le modèle trace une limite, demandez s'il y a un noyau à cette profondeur ; Si tel est le cas, le noyau gagne.

Trois mini-cases : en chiffres

Cas 1 — Cohérence de la normalisation. Dans une société minière, 6 géologues différents ont utilisé 11 expressions différentes pour désigner le « granite altéré » (altéré, altéré, pourri, argileux...). La normalisation assistée par l'intelligence artificielle a placé la base de données de 4 800 lignes sur une échelle de décomposition à 5 niveaux ; Ensuite, la requête « zones de ségrégation moyenne-haute » prenait quelques secondes, alors qu'auparavant cela prenait des jours. Un échantillon aléatoire de 10 % de la normalisation a été vérifié par noyau, l'accord était élevé.

Cas 2 — Avant-projet de corrélation de logs. La corrélation lithologique serait établie à partir de diagraphies gamma réalisées dans deux puits voisins (espacés de 150 m). Le modèle proposait une corrélation préliminaire qui correspondait à quatre niveaux communs et signalait une différence d'épaisseur à un niveau comme « une faille ou un coin possible ». Lorsque l'ingénieur a regardé au cœur de la zone marquée, il a trouvé une très petite faille ; Le modèle n'a pas donné de réponse définitive, mais il a attiré l'attention au bon endroit.

Cas 3 — Capture de la bordure fabriquée. Dans un puits, le modèle a attribué une lithologie « basaltique » à l’intervalle de 40 à 45 m pour lequel il n’existait aucune donnée de carotte. Le basalte n'était pas attendu dans la région ; il n'y avait qu'une augmentation du gamma dans l'enregistrement. Le filtre de plausibilité géologique a été activé, un échantillon de clastes a été demandé dans cet intervalle et le niveau s'est avéré être du siltstone argileux. Le modèle avait mal interprété le gamma élevé.

Invite faible/Invite forte

Invite faible :

Convertissez ces définitions principales en un tableau.[text]

Invite puissante :

Traduisez la description principale en texte libre suivante dans le DIAGRAMME donné. NE remplissez PAS de champs qui ne sont pas clairement écrits dans le texte ; sinon, écrivez "non spécifié".Schéma (colonnes) : profondeur_ust_m | profondeur_sub_m | lithologie | couleur |grain_size | ségrégation | discontinuité | minéral_secondaire | noteTermes lithologiques autorisés : grès, siltstone, argile, calcaire, marne, conglomérat, sis, granit, basalte. Si un terme n'est pas dans la liste, "?" marquez et écrivez une raison dans la note.Échelle de discrimination : frais | lumière | milieu | élevé | élevé | texte intégral : [description principale]

L'invite puissante impose ensemble le schéma, le dictionnaire et « l'interdiction de fabrication » ; Le résultat est à la fois cohérent et vérifiable.

Quatre modèles copiables

1) Standardisation des carnets de terrain :

Traduisez la note de terrain suivante en terminologie standard. Ouvrez les abréviations (par exemple "pierre" -> "grès"), mais NE modifiez PAS le contenu. Marquez les phrases ambiguës comme « [ambigus] » et conservez la phrase originale entre parenthèses. Remarque : [note de terrain]

2) Hypothèse de lithologie basée sur les logs :

Suggérez des limites lithologiques possibles à partir des données de journal suivantes (profondeur, gamma, résistivité, densité). Pour chaque limite, écrivez : (a) de quel changement de courbe vous la dérivez, (b) la possibilité d'une lithologie alternative, (c) la nécessité d'une vérification par carottage. Ne présentez aucune limite comme « certaine ». Données : [tableau de journal]

3) Croquis de corrélation de deux puits :

Comparez les journaux Well-A et Well-B. Répertoriez séparément les niveaux de correspondance, les raisons de correspondance et les zones incompatibles/suspectes. L'étiquette de défaut, d'érosion ou de faciès change comme "doit être vérifié". Données : [deux journaux de puits]

4) Contrôle de la qualité des données :

Recherchez les erreurs logiques dans le tableau lithologique ci-dessous : plages de profondeur qui se chevauchent, écarts, alignements impossibles, incohérences d'unités, termes non autorisés. Rapportez les résultats sous forme de tableau « numéro de ligne | problème | suggestion ». NE CORRIGEZ PAS les données, marquez-les simplement.Tableau : [tableau de lithologie]

Hiérarchie des preuves d'authentification

Type de preuve

franchise

fiabilité

Quand utiliser

Noyau (noyau)

le plus direct

le plus élevé

Limites critiques de la lithologie

Miette (coupée)

moyen

haut

En l'absence de noyau

journal géophysique

indirect

moyen

Profil continu, comblement des espaces

Prédiction du modèle

dérivé

Faible (seul)

Hypothèse, dépistage

Note en texte libre

Variable

Cela dépend du géologue

Contexte supplémentaire

Astuce : Lorsque vous aidez l'intelligence artificielle à trouver les limites de la lithologie, demandez « la limite possible et le niveau de confiance », et non la « limite exacte ». Le noyau donne la précision, pas le modèle. Le résultat devient alors un outil de sélection et non une fausse affirmation de certitude.

Attention : Le modèle a tendance à remplir les plages de profondeur qui ne figurent pas dans les données pour « ne laisser aucun vide ». Il peut produire une fausse lithologie, notamment dans les zones de perte de noyau. Marquez clairement les zones de perte de base et demandez au modèle de « laisser vide s’il n’y a pas de données ».

Erreurs courantes

• Rechercher l’inférence plutôt que la transformation. Attendre du modèle qu'il « devine » ce qui n'est pas dans le texte ; Cela ouvre la porte à de fausses données. Structurez simplement ce qui est écrit.
• Ne fournissant pas de dictionnaire standard. Permettre une terminologie libre ; Le résultat est une image incontestable et incohérente.
• Accepter l'estimation du journal comme exacte. Considérer les mesures indirectes (gamma, résistivité) seules comme preuves de lithologie ; Pour déplacer les bordures vers la signature sans les lier avec des noyaux/miettes.
• Pour masquer les zones de perte principales. Combler les lacunes des données dans le modèle ; l'espace doit rester l'espace.
• Traitement par lots et jamais de contrôle. Ne pas traduire des milliers de lignes à la fois et effectuer une vérification d'échantillons aléatoires.

En résumé

• L’intelligence artificielle offre une efficacité sûre et élevée dans la structuration, la normalisation et la classification lithologique préliminaire des données de terrain dispersées.
• Demandez une transformation à partir du modèle, pas une inférence ; N'inventez pas ce qui n'est pas dans le texte, écrivez "non spécifié".
• L'estimation lithologique basée sur les logs est indirecte et constitue une hypothèse ; Il ne peut être confirmé que lorsqu’il est connecté à des échantillons de carottes et de miettes.
• Vous imposez le schéma et le dictionnaire standard ; Ce n’est qu’alors que le résultat sera cohérent et contrôlable.
• Le carottage se situe au sommet de la hiérarchie des preuves ; Au fond, la prédiction du modèle à elle seule est insuffisante.

Tâche de candidature

Prenez 15 à 20 lignes d'un cahier de terrain ou d'une description de base dont vous disposez (anonymisez les informations confidentielles du terrain). Définissez d’abord votre propre schéma et votre dictionnaire lithologie/altération autorisé, puis traduisez-le en un tableau avec l’invite puissante. Comparez chaque ligne du tableau résultant au texte brut et signalez toutes les zones que le modèle a truquées ou égarées ; Vérifiez si au moins un champ « non spécifié » est correctement laissé vide.

liste de contrôle

• [ ] Je peux convertir des observations de terrain en texte libre en un tableau structuré avec des diagrammes et un dictionnaire standard.
• [ ] J'applique la règle "non spécifiée" selon laquelle je veux une transformation du modèle et que je ne l'adapte pas à quelque chose qui n'existe pas.
• [ ] Je comprends que l'estimation lithologique basée sur les logs est une hypothèse indirecte et devrait être liée à la carotte.
• [ ] Je marque les zones de perte de cœur et de données manquantes et j'empêche l'ajustement.
• [ ] Je valide la sortie selon la hiérarchie des preuves (core > crumb > log > model).