עיבוד ופרשנות נתונים כבידה ומגנטיים

רווחים:

• יכולת להבין תיקוני עיבוד שדה פוטנציאליים (בוגר, קרקע, לוג, IGRF) ואת רגישות הפרמטרים של ההפרדה האזורית-שארית ולבדוק אותה עם הפרדות שונות
• יכולת לפרש נכון את מיקום המקור, תוך התחשבות באי ודאות משרעת עומק ואפקט רוחב מגנטי (הפחתה לקוטב)
• יכולת להצליב פרשנות שדה פוטנציאלית עם תרחישים חלופיים וסיסמיים/באר מבלי לנעול את פרשנות השדה הפוטנציאלית למודל אחד

השיטה הסייסמית יקרה ולא ניתן ליישם אותה בכל מקום. כאן נכנסות לתמונה שיטות שדה פוטנציאליות - כוח משיכה ומגנטיות: שיטות זולות יחסית שסורקות במהירות שטחים גדולים וחושפות את המבנה המחוספס של אגנים וגופי עפר. שיטת הכבידה מודדת שינויים כבידה קטנים מאוד שנוצרו על ידי הבדלי צפיפות מתחת לאדמה; השיטה המגנטית מודדת שינויים בשדה הנובעים מהבדלים במגנטיזציה (רגישות מגנטית) של סלעים. ביחידה זו, נסביר כיצד בינה מלאכותית (AI) מאיצה את העיבוד של שתי השיטות הללו, אבחון אנומליות ואמידת עומק; נראה מדוע אי הוודאות החזקה הטמונה בתחומים פוטנציאליים מחייבת שימוש ב-AI בזהירות יתרה.

אופי נתוני שדה פוטנציאליים

נתחיל במילון. אנומליה, סטייה מהערך האזורי הצפוי; במילים אחרות, זוהי החתימה של המבנה התת-קרקעי שאנו מעוניינים בו. בכוח הכבידה, המדידה הגולמית עוברת תיקונים רבים: תיקון אוויר חופשי (השפעת גובה), תיקון בוגר (השפעת מסת הסלע בין המדידה וההתייחסות) ותיקון השטח (השפעת הטופוגרפיה). האנומליה הנובעת של Bouguer משקפת הבדלי צפיפות תת-קרקעיים. במגנטיקה, הווריאציה היומית והשדה הראשי (IGRF) מופחתים כדי לקבל את האנומליה המגנטית.

האתגר העיקרי של שדות פוטנציאליים הוא אי הוודאות בעומק-משרעת: מקור קטן ורדוד ומקור גדול ועמוק יכולים לייצר כמעט את אותה אנומליה של פני השטח. זהו מצב השדה הפוטנציאלי של פוליסמיה בסיסמי, ובינה מלאכותית לא מבטלת אותו - אלא רק מאיץ אותו. לכן בפרשנות אני תמיד שואל "כמה מודלים שונים מסבירים את האנומליה הזו?" נשאלת שאלה.

AI בעיבוד והפרדת שדות

לב ליבו של עיבוד שדה פוטנציאלי הוא הפרדה אזורית-שיורית: הפרדה של המרכיב האזורי המשתנה באיטיות ממקורות רחבים ועמוקים והמרכיב השיורי ממקורות מקומיים רדודים. שיטות קלאסיות הן התאמה פולינומית או מסנני אורך גל; גישות מבוססות בינה מלאכותית יכולות להפוך את ההבחנה הזו לגמישה יותר על ידי למידה מדוגמאות. בנוסף, תכונות מבוססות נגזרות - נגזרות אופקיות/אנכיות, אות אנליטי, זווית הטיה - מדגישות את קצוות המקור; בינה מלאכותית יכולה לשלב את התכונות הללו ולסמן אוטומטית מועמדי קצה ומשאבים.

הסיכון הוא שפרמטר המסנן (אורך גל חיתוך) משנה לחלוטין את הפרשנות. אותם נתונים מייצרים מפות שיוריות שונות לחלוטין עם הבחנות שונות. גם אם ה-AI מציע הפרדה, המומחה בודק אם ההפרדה הזו מתאימה לעומק המטרה.

טיפ: אל תתקן את ההבחנה בין השארת אזורית עם פרמטר אחד. צור שלוש או ארבע מפות שיוריות עם אורכי גל חיתוך שונים וראה אם ​​חריגת המטרה נראית עקבית בכולן. אנומליה המופיעה רק בהבחנה בודדת היא לרוב חפץ פרמטר.

הערכת עומק ואוטומציה

שיטות כגון Deconvolution של אוילר ו-Werner deconvolution משמשות להערכת עומק המקור באזורים פוטנציאליים; אלה מעריכים את מיקום ועומק המקור מהשיפועים של האנומליה. בינה מלאכותית יכולה להאיץ את התחזיות הללו ולייצר "ענן עומק" נקי יותר על ידי קיבוץ של אלפי פתרונות. עם זאת, שיטות אלו רגישות מאוד לתשומות כגון המדד המבני - ההנחה המגדירה את הגיאומטריה של המקור; הנחה שגויה מניבה באופן שיטתי עומק שקרי. מפת העומק המופקת על ידי ה-AI נבדקת תמיד על ידי סבירות גיאולוגית וסיסמית/באר אם אפשר.

זהירות: עקב השפעות הקוטביות והרוחב בנתונים מגנטיים, ייתכן שהחריגה לא תהיה ישירות מעל המקור. בחצי הכדור הצפוני, האנומליה עשויה לעבור מדרום למקור. אל תקבל את "מרכז המשאבים" המסומן על ידי AI שבו הוא ללא הפחתה לקוטב.

פרשנות משולבת עם סיסמיקה

שדות פוטנציאליים בלבד הם ברזולוציה גרועה; כוחם האמיתי מתגלה בפרשנות משותפת. כוח הכבידה נותן את העומק של אגן, מגנטי נותן את הטופוגרפיה של הבסיס, וסיסמי נותן את המבנה העדין. בינה מלאכותית מסייעת לשלב את שכבות הנתונים השונות הללו למודל משותף (היתוך נתונים); אך החיבור נעשה בפיקוח מומחה, תוך התחשבות ברזולוציה ואי הוודאות של כל שיטה.

שלושה מיני תיקים

מקרה 1 - צמצום קצה האגן. בפרויקט גיאותרמי, היה צורך למצוא את קצה האגן (שלב תקלה) עם נתוני כבידה. זיהוי קצה בעזרת AI (זווית הטיה + אות אנליטי) סימן 12 קווי קצה מועמדים. הצוות בדק את אלה באמצעות בארות מגנטיות ושתי בארות קיימות; 5 היו עקביים עם שלב התקלה במרתף, 7 נבעו מרעש. הקצה המאומת הזיז את מיקום הבאר ב-800 מ'.

מקרה 2 - כשל של אפקט רוחב. בחיפוש מינרלים, מרכז האנומליה המגנטית נבחר כיעד לקידוח ישיר. הבאר הראשונה התגלתה ריקה. מאוחר יותר, כשהצטמצם לקוטב, הובנה שהמקור האמיתי נמצא 300 מ' צפונית למרכז האנומליה: התעלמו מאפקט קווי הרוחב. הפיר השני מצא את גופת העפר.

מקרה 3 - רוח רפאים תלוית פרמטר. צוות אחד ראה "מבנה מוטבע" מובהק במפה השיורית שנוצרה על ידי אורך גל חיתוך יחיד. כאשר המפה שוחזרה עם ערכי חיתוך שונים, המבנה אבד: זה היה חפץ פרמטר של ההבחנה האזורית-שארית, לא מקור אמיתי.

ארבע תבניות הניתנות להעתקה

1) בקרת תיקון עיבוד שבבי:

תפקידך: מומחה כבידה/עיבוד שבבי מגנטי. תפוקה: [כוח הכבידה היבשתי, שטח טרשי]. רשום לי לפי סדר התיקונים שעלי להחיל (אוויר חופשי, בוגר, שטח; יומי +IGRF באיסוף). עבור כל תיקון, כתוב את השגיאה האופיינית והשפעתה בהערה אם הושמטה.

2) בדיקת אפליה שארית אזורית:

אני עושה אפליה אזורית-שיורית, עומק היעד שלי הוא ~[X] ק"מ. איך אני בוחר את אורך הגל החיתוך? תן לי הליך להשוואת מפות שיוריות שהופקו עם ערכי חיתוך שונים: כיצד אוכל להבחין איזו אנומליה היא אמיתית ואיזה חפץ פרמטר?

3) בקרת הערכת עומק:

הערכתי עומק עם דה-קונבולוציה של אוילר. הסבר כיצד הבחירה שלי במדד המבני משפיעה על התוצאה. איך אני יכול להשוות את התפלגות העומק שהתקבלו עם מדדים שונים ולאשר אותם עם סבירות גיאולוגית וסיסמיות?

4) תיקון מיקום ריתוך מגנטי:

לפני הפיכת מרכז האנומליה המגנטית שלי ליעד קידוח, הסביר את אפקט קו הרוחב והצורך לצמצם אותו לקוטב. כיצד אוכל להתייחס לקיזוז בין מיקומו האמיתי של המקור לבין מרכז החריגות? ספר לי צעד אחר צעד.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

תגיד לי איפה העפרה במפת הכבידה הזו.

השטח הפוטנציאלי לבדו אינו מעיד על העפרה; AI מסתיר אי ודאות ומייצר ודאות כוזבת בנקודה אחת.

הנחיה עוצמתית:

תפקידך: פרשן שטח פוטנציאלי. הקשר: מפת אנומליה של בוגר, עפרת סולפיד מטרה, שתי בארות קיימות. משימה: (1) סמן את גבולות המשאבים המועמדים עם תכונות זיהוי קצה; (2) תן לפחות שני תרחישי עומק צפיפות לכל מועמד, רדוד-קטן ועמוק-גדול; (3) ספר לי על אילו נתונים נוספים (מגנטיים, סיסמיים, ובכן) אתה ממליץ כדי להפריד בין תרחישים אלה. אל תיתן מיקום משאב אחד מדויק.

תרחישי אי ודאות ובקשות צולבות נתונים הופכים פרשנות פוטנציאלית בשטח לכנה וניתנת להגנה.

השוואת שיטות

תכונה

כוח המשיכה

מגנטי

תרומת AI

ההבדל שהוא מודד

צפיפות

מגנטיזציה

מיזוג תכונות

מטרה טיפוסית

אגן, מלח, עפרה

סלע יסוד, עפרה

סימון קצה/ריתוך

אי ודאות עיקרית

משרעת עומק

אפקט קו רוחב/קוטב

לצמצם את אי הוודאות

תיקון קריטי

בוגר, ארץ

יומי, IGRF, RTP

אוטומציה, בקרה

טעויות נפוצות

• ההבדל היחיד הוא לסמוך על המפה עכשיו. אין להכריז על מבנה מבלי לבדוק את האנומליה עם ערכי חיתוך שונים.
• עקיפת אפקט קו הרוחב. מרכז האנומליה המגנטית אינו נמצא ישירות מעל המקור.
• בחירת המדד המבני באופן שרירותי. עומק אוילר רגיש מאוד להנחה זו.
• בהתחשב בשטח הפוטנציאלי לבדו כסופי. רזולוציה נמוכה; שלב עם סיסמיקה/באר.
• מסתפקים בדגם בודד שמסתיר אי ודאות. הקפד ליצור תרחישים רדודים-קטנים לעומת עמוק-גדולים.

לסיכום

שיטות כבידה ומגנטיות סורקות בזול שטחים גדולים ומספקות קווי מתאר גס של האגן ומבנה העפר; AI מאיץ רינדור, סימון קצה/מקור והערכת עומק. אבל חוסר הוודאות של משרעת העומק, אפקט הרוחב ורגישות הפרמטרים הגלומים בתחומים פוטנציאליים הופכים את פלט הבינה המלאכותית לשבירה ביותר. שימוש נכון: יצירת תרחישים מרובים, בדיקה עם פרמטרים שונים, התבוננות בפיזיקה כמו הפחתה לקוטב ושילוב עם סיסמיקה/באר. הפרשנות הסופית שייכת למומחה שאינו מסתיר את אי הוודאות.

משימת יישום

בחר כבידה או אנומליה מגנטית (אמיתית או מדגם). צור שגרת השוואה עבור אורכי גל חיתוך שונים עם התבנית "מבחן אפליה של שארית אזורית". אם מגנטי, הערך את אפקט קו הרוחב עם התבנית "תיקון מיקום מקור מגנטי". רשום לפחות שני תרחישים תת-קרקעיים שונים המסבירים את האנומליה ונתונים נוספים כדי להבחין ביניהם.

רשימת בדיקה

• [ ] יישמתי את כל תיקוני העיבוד (בוגר/שטח או יומן/IGRF).
• [ ] בדקתי את ההבחנה האזורית-שיורית עם פרמטרים שונים.
• [ ] לקחתי בחשבון את אפקט קו הרוחב/הפחתה לקוטב במגנטיקה.
• [ ] יצרתי לפחות שני תרחישי אמפליטודה של עומק עבור האנומליה.
• [ ] הצלבתי את התוצאה בשיטה סיסמית/באר/אחרת.