נתוני שדה, יומני קידוח וסיווג ליתולוגי

רווחים:

• יכולת מבנה וסיווג ליתולוגי של יומני קידוח, תיאורי ליבה והערות שטח עם AI
• יכולת להמיר תצפיות בשדה טקסט חופשי למינוח גיאולוגי וטבלאות סטנדרטיות
• יכולת לאמת פרשנויות ליתולוגיות שנוצרו בינה מלאכותית עם צילום ליבה, עקומות יומן וסבירות סטרטיגרפית

חומר הגלם של ההנדסה הגיאולוגית הוא נתונים, ורוב הנתונים הללו נולדים בצורה לא סדירה. תיאורי הליבה השמורים באתר הם טקסטים חופשיים שנכתבו במילים שונות על ידי גיאולוגים שונים; היומנים של מסע קידוח נשמרו בפורמטים שונים, ביחידות שונות, לפעמים ידנית ולפעמים דיגיטלית; הפתקים במחברת השטח מלאים בקיצורים והרגלים אישיים. ביחידה זו, אנו מכסים את תחום הרווח הקונקרטי והבטוח ביותר של בינה מלאכותית: בניית נתוני שדות מפוזרים (תרגוםם לטבלאות הניתנות לשאילתה), סטנדרטיזציה (הבאתם למינוח מקובל) וביצוע סיווג ליתולוגי ראשוני (הפרדת סוג סלע). אבל בואו נגיד את זה מההתחלה: הבינה המלאכותית מארגנת את הנתונים, המהנדס מאשר את הפרשנות הגיאולוגית.

תחילה נבהיר שני מונחי מפתח. יומן קידוח הוא תיעוד של מאפיינים שנמדדו מול עומק לאורך באר; מדידות אלו יכולות להיות גיאולוגיות (ליתולוגיה, בליה) או גיאופיזיות (קרני גמא, התנגדות, צפיפות). ליבה (גרעין אנגלית) היא דגימת סלע גלילית המופקת מתחת לאדמה בקידוח; זוהי העדות החשובה ביותר שכן היא מאפשרת התבוננות ישירה במחתרת. ליתולוגיה היא הסוג והאופי הפיזי של הסלע (כגון אבן חול, אבן גיר, פצלי).

בניית טקסט חופשי

גיאולוג שדה כותב תיאור: "0-3.2 מ' חצץ חום, רופף, חרסיתי, ממוין בצורה גרועה; 3.2-7.5 מ' אפור, מזג אוויר בינוני, אבן חול עדינה-בינונית עם צמנט קרבונט דליל; 7.5-12 מ' אפור בהיר, אבן גיר מוצקה, סדוקה בווריד קלציט." המשפט הבודד הזה הוא למעשה גרסה דחוסה של טבלה: טווח עומק, צבע, דרגת בליה, ליתולוגיה, גודל גרגר, תכונות משניות. בינה מלאכותית מפרקת את זה.

הנקודה הקריטית היא זו: בקש מהמודל טרנספורמציה, לא הסקה. במילים אחרות, מקם את המידע הכתוב בצורה ברורה בטקסט בשדות; אל תמציא את מה שלא מופיע בטקסט. עבור השדה "דרגת בליה", אם הגיאולוג כתב "בינוני מזג אוויר", המודל כותב זאת; אם הגיאולוג לא ציין, על המודל לכתוב "לא מוגדר" ולא להתאים לערך. הבחנה זו היא הבסיס לשלמות הנתונים.

שלב אחר שלב: הפיכת ספר ליבה לגיליון אלקטרוני

1. תחילה אתה מגדיר את הסכימה. אילו עמודות יהיו: depth_top, depth_bottom, ליתולוגיה, צבע, גודל_גרגר, בליה, אי רציפות, משני_מינרל, הערה. אתה כופה את הסכימה על המודל כך שהפלט יהיה עקבי.
2. תן את המילון הסטנדרטי. תן את המונחים המותרים לליתולוגיה (אבן חול, אבן סחף, אבן גיר, חוואר, אבן חרסית, קונגלומרט...) ואת קנה המידה לבליה (טרי, קל, בינוני, גבוה, מלא). כך, ביטויים כמו "קצת מבולבל" הופכים לסטנדרטיים.
3. מעבד אצווה קטנה. תן את המחברת כולה לא בבת אחת, אלא בקבוצות של 20-30 שורות; אתה תופס טעויות מוקדם.
4. חזור למקור ואמת. השווה שורות אקראיות של הטבלה המתקבלת עם הטקסט הגולמי; במיוחד מגבלות עומק ומונחי ליתולוגיה.

סיווג ליתולוגי: מיומנים לפרשנות

AI תומך בליתולוגיה בשתי דרכים. הראשון הוא לתקן את ההגדרה של גיאולוג כאמור לעיל. השני והמתקדם יותר הוא אומדן ליתולוגיה מעקומות לוג גיאופיזיות. לדוגמה, יומן קרני הגמא (הרדיואקטיביות הטבעית של הסלע) עולה עם תכולת החימר; רמות חרסיות נותנות ערכים גבוהים, אבני חול נקיות ואבני גיר נותנות ערכים נמוכים. על ידי הוספת יומני התנגדות וצפיפות, המודל יכול להציע גבולות ליתולוגיה מדפוסי עקומה.

הגבול כאן חשוב: יומנים הם מדידות עקיפות. גמא גבוהה יכולה להיות חימר, חול עשיר בפלד או אפר וולקני. לכן, חיזוי ליתולוגיה מבוסס יומן הוא השערה; זה לא סופי אלא אם כן הוא מחובר עם ליבה או ייחורים (שבבי סלע שעולים לפני השטח במהלך הקידוח). כאשר המודל משרטט גבול, שאל אם יש ליבה כלשהי בעומק זה; אם יש, הליבה מנצחת.

שלושה מיני מארזים: לפי המספרים

מקרה 1 - עקביות סטנדרטיזציה. בחברת כרייה, 6 גיאולוגים שונים השתמשו ב-11 ביטויים שונים ל"גרניט שעבר מזג אוויר" (מזהה, שונה, רקוב, חרסי...). סטנדרטיזציה בעזרת בינה מלאכותית הציבה את מסד הנתונים בן 4,800 השורות בסולם פירוק של 5 רמות; לאחר מכן, השאילתה "אזורים עם הפרדה בינונית-גבוהה" ארכה שניות, בעוד שקודם לכן ארכה ימים. 10% אקראי מהתקינה נבדקו לפי הליבה, ההסכמה הייתה גבוהה.

מקרה 2 - טיוטה ראשונית של מתאם יומן. מתאם ליתולוגיה ייעשה מעץ גמא בשתי בארות שכנות (150 מ' זה מזה). המודל הציע מתאם ראשוני שתאם ארבע רמות נפוצות וסימן הבדל עובי ברמה אחת כ"תקלה אפשרית או יציאה מהבית". כאשר המהנדס הסתכל על הליבה של האזור המסומן, הוא מצא תקלה ממש קטנה; הדגם לא נתן את התשובה הסופית, אבל הוא משך את תשומת הלב למקום הנכון.

מקרה 3 - לכידת הגבול המפוברק. בבאר אחת, המודל הקצה ליתולוגיה של "בזלת" למרווח של 40-45 מ' שעבורו לא היו נתוני ליבה. בזלת לא הייתה צפויה באזור; הייתה רק עליית גמא בהקלטה. מסנן הסבירות הגיאולוגי הופעל, מאותו מרווח התבקשה דגימת סוגים, ונמצא שהמפלס הוא אבן סחף חרסיתית. הדגם פירש לא נכון את הגמא הגבוהה.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

המר את הגדרות הליבה האלה לטבלה.[טקסט]

הנחיה עוצמתית:

תרגם את תיאור הליבה של הטקסט החופשי הבא לדיאגרמה הנתונה. אין למלא שדות שאינם כתובים בבירור בטקסט; אחרת כתוב "לא מוגדר". סכימה (עמודות): depth_ust_m | depth_sub_m | ליתולוגיה | צבע |גודל_גרגרים | הפרדה | אי המשכיות | משני_מינרל | הערה מונחי ליתולוגיה מותרים: אבן חול, אבן סחף, אבן חרסית, אבן גיר, חוואר, קונגלומרט, סיסט, גרניט, בזלת. אם מונח אינו מופיע ברשימה, "?" סמן ורשום סיבה בהערה. סולם אפליה: טרי | אור | באמצע | גבוה | גבוה | fullText:[תיאור ליבה]

ההנחיה העוצמתית כופה את הסכימה, המילון ו"איסור היצור" ביחד; הפלט עקבי וניתן לביקורת כאחד.

ארבע תבניות הניתנות להעתקה

1) סטנדרטיזציה של מחברת שדה:

תרגם את הערת השדה הבאה למינוח סטנדרטי. פתחו קיצורים (למשל "אבן"->"אבן חול"), אך אל תשנה את התוכן. סמן ביטויים מעורפלים כ"[דו משמעיים]" ושמור את הביטוי המקורי בסוגריים. הערה: [הערת שדה]

2) השערת ליתולוגיה מבוססת יומן:

הצע גבולות ליתולוגיה אפשריים מנתוני היומן הבאים (עומק, גמא, התנגדות, צפיפות). עבור כל גבול, כתוב: (א) מאיזה שינוי עקומה אתה גוזר אותו, (ב) אפשרות של ליתולוגיה חלופית, (ג) הצורך באימות ליבה. אל תציג שום גבול כ"ודאי". נתונים: [טבלת יומן]

3) שרטוט מתאם שתי בארות:

השווה יומני Well-A ו- Well-B. רשום בנפרד רמות התאמה, סיבה להתאמה ואזורים לא תואמים/חשודים. תווית תקלה, שחיקה או פניות משתנות כ"חייבים לאמת". נתונים: [שני יומני באר]

4) בקרת איכות נתונים:

חפש שגיאות לוגיות בטבלת הליתולוגיה שלהלן: טווחי עומק חופפים, פערים, יישור בלתי אפשרי, חוסר עקביות של יחידות, מונחים לא מורשים. דווח על ממצאים כטבלת "מספר שורה | בעיה | הצעה". אל תתקן נתונים, פשוט סמן אותם. טבלה: [טבלה ליתולוגיה]

היררכיה של הוכחת אימות

סוג עדות

ישירות

אמינות

מתי להשתמש

ליבה (ליבה)

ישיר ביותר

הגבוה ביותר

גבולות ליתולוגיה ביקורתית

פירור (חיתוך)

בינוני

גבוה

בהיעדר ליבה

יומן גיאופיזי

עקיף

בינוני

פרופיל רציף, מילוי רווחים

חיזוי מודל

נגזרת

נמוך (לבד)

השערה, מיון

הערת טקסט חופשי

משתנה

תלוי בגיאולוג

הקשר נוסף

טיפ: כשעוזרים לבינה מלאכותית למצוא גבולות ליתולוגיה, בקשו "גבול אפשרי ורמת ביטחון", לא "גבול מדויק". הליבה נותנת דיוק, לא הדגם. הפלט הופך אז לכלי מיון, לא טענה שקרית לוודאות.

זהירות: המודל נוטה למלא טווחי עומק שאינם נמצאים בנתונים כדי "לא להשאיר פערים". זה יכול לייצר ליתולוגיה מזויפת, במיוחד באזורים עם אובדן ליבה. סמן בבירור אזורי אובדן הליבה והנחי את המודל "להשאיר ריק אם אין נתונים".

טעויות נפוצות

• מחפש מסקנות ולא טרנספורמציה. מצפה מהדגם "לנחש" מה לא בטקסט; זה פותח את הדלת לנתונים מזויפים. פשוט מבנה את מה שכתוב.
• לא מספק מילון סטנדרטי. מתן טרמינולוגיה חופשית; התוצאה היא תמונה בלתי ניתנת לערעור, לא עקבית.
• קבלת אומדן היומן כמדויק. התחשבות במדידות עקיפות (גמא, התנגדות) בלבד כעדות לליתולוגיה; להעביר את הגבולות לחתימה מבלי לקשור אותם בליבה/פירורים.
• כדי להסתיר אזורי אובדן הליבה. מילוי פערי נתונים במודל; החלל חייב להישאר חלל.
• מעבד בקבוצות ולעולם לא בודק. לא מתרגמים אלפי שורות בבת אחת ועושים בדיקה אקראית מדגמית.

לסיכום

• בינה מלאכותית מספקת יעילות בטוחה וגבוהה במבנה, תקינה וסיווג ליתולוגי ראשוני של נתוני שדה מפוזרים.
• בקש שינוי מהמודל, לא מסקנות; אין להמציא את מה שאין בטקסט, להדפיס "לא מוגדר".
• אומדן הליתולוגיה מבוסס היומן הוא עקיף ומהווה השערה; לא ניתן לאשר אותו עד שהוא מחובר לדגימות ליבה ופירורים.
• אתה כופה את הסכימה ואת המילון הסטנדרטי; רק אז הפלט יהיה עקבי וניתן לשליטה.
• קידוח הליבה נמצא בראש היררכיית הראיות; בתחתית, חיזוי המודל לבדו אינו מספיק.

משימת יישום

קח 15-20 שורות ממחברת שדה או תיאור הליבה שברשותך (אלמונית מידע שדה סודי). תחילה הגדר סכימה משלך ומילון ליתולוגיה/בליה מותר, ולאחר מכן תרגם אותו לטבלה עם ההנחיה העוצמתית. השווה כל שורה בטבלה המתקבלת לטקסט הגולמי וסמן את כל האזורים שהמודל התבדה או לא במקום; בדוק אם לפחות שדה "לא צוין" אחד נותר ריק כהלכה.

רשימת בדיקה

• [ ] אני יכול להמיר תצפיות בשדה טקסט חופשי לטבלה הבנויה עם דיאגרמות ומילון סטנדרטי.
• [ ] אני מיישם את הכלל ה"לא מוגדר" שאני רוצה טרנספורמציה מהמודל ושאני לא גורם לו להתאים למשהו שלא קיים.
• [ ] אני מבין שההערכה הליתולוגית מבוססת יומן היא השערה עקיפה וצריכה להיות מקושרת לליבה.
• [ ] אני מסמן אזורי אובדן ליבה ופערי נתונים ומונע התאמה.
• [ ] אני מאמת את הפלט לפי היררכיית הראיות (core > crumb > log > model).