Keuntungan:
- Kemampuan untuk menyusun dan mengklasifikasikan litologi log pengeboran, deskripsi inti, dan catatan lapangan dengan AI
- Kemampuan untuk mengubah observasi lapangan teks bebas menjadi terminologi dan tabel geologi standar
- Kemampuan untuk memverifikasi interpretasi litologi yang dihasilkan AI dengan fotografi inti, kurva log, dan kemungkinan stratigrafi
Bahan baku teknik geologi adalah data, dan sebagian besar data tersebut lahir secara tidak teratur. Deskripsi inti yang disimpan di sebuah situs adalah teks bebas yang ditulis dengan kata-kata berbeda oleh ahli geologi berbeda; Catatan kampanye pengeboran disimpan dalam format berbeda, dalam unit berbeda, terkadang secara manual dan terkadang secara digital; Catatan di buku catatan lapangan penuh dengan singkatan dan kebiasaan pribadi. Dalam unit ini, kami membahas bidang keuntungan kecerdasan buatan yang paling konkrit dan teraman: penataan data lapangan yang tersebar (menerjemahkannya ke dalam tabel yang dapat dikueri), standarisasinya (membawanya ke terminologi umum) dan membuat klasifikasi litologi awal (pemisahan jenis batuan). Tapi katakanlah dari awal: kecerdasan buatan mengatur data, insinyur menyetujui interpretasi geologis.
Mari kita perjelas dua istilah utama terlebih dahulu. Log lubang bor adalah catatan properti yang diukur terhadap kedalaman sepanjang sumur; pengukuran ini dapat bersifat geologis (litologi, pelapukan) atau geofisika (sinar gamma, resistivitas, kepadatan). Inti (Bahasa Inggris inti) adalah sampel batuan berbentuk silinder yang diekstraksi dari bawah tanah dengan pengeboran; Ini adalah bukti paling berharga karena memungkinkan pengamatan langsung di bawah tanah. Litologi adalah jenis dan karakter fisik suatu batuan (seperti batupasir, batugamping, serpih).
Penataan Teks Bebas
Seorang ahli geologi lapangan menulis deskripsi: "0-3,2 m coklat, lepas, kerikil liat, sortasi buruk; 3,2-7,5 m batupasir abu-abu, lapuk sedang, berbutir halus-sedang dengan semen karbonat jarang; 7,5-12 m abu-abu muda, batu kapur padat, pecah-pecah, urat kalsit pada ketinggian 9 m." Kalimat tunggal ini sebenarnya adalah versi terkompresi dari sebuah tabel: rentang kedalaman, warna, derajat pelapukan, litologi, ukuran butir, sifat sekunder. Kecerdasan buatan menguraikan hal ini.
Poin kritisnya adalah ini: mintalah model untuk melakukan transformasi, bukan inferensi. Dengan kata lain, tempatkan informasi yang tertulis dengan jelas dalam teks ke dalam kolom; Jangan mengarang apa yang tidak ada dalam teks. Untuk bidang "derajat pelapukan", jika ahli geologi menulis "pelapukan sedang", model akan menulis ini; Jika ahli geologi tidak menentukan apa pun, model harus menulis "tidak ditentukan" dan tidak sesuai dengan suatu nilai. Perbedaan ini adalah dasar integritas data.
Langkah demi langkah: mengubah buku inti menjadi spreadsheet
- Anda menentukan skemanya terlebih dahulu. Kolom mana yang akan menjadi: kedalaman_atas, kedalaman_bawah, litologi, warna, ukuran_butir, pelapukan, diskontinuitas, mineral_sekunder, catatan. Anda menerapkan skema pada model sehingga keluarannya konsisten.
- Berikan kamus standar. Berikan istilah litologi yang diperbolehkan (batupasir, batulanau, batugamping, napal, batulempung, konglomerat...) dan skala pelapukan (segar, ringan, sedang, tinggi, penuh). Oleh karena itu, ungkapan seperti "sedikit lapuk" menjadi standar.
- Proses dalam jumlah kecil. Berikan seluruh buku catatan tidak sekaligus, tetapi dalam kelompok yang terdiri dari 20-30 baris; Anda mengetahui kesalahan sejak dini.
- Kembali ke sumbernya dan verifikasi. Bandingkan baris acak dari tabel yang dihasilkan dengan teks mentah; khususnya batas kedalaman dan syarat litologi.
Klasifikasi Litologi: Dari Log hingga Interpretasi
AI mendukung litologi dalam dua cara. Yang pertama adalah membakukan definisi ahli geologi seperti di atas. Yang kedua dan lebih maju adalah estimasi litologi dari kurva log geofisika. Misalnya, log sinar gamma (radiaktivitas alami batuan) meningkat seiring dengan kandungan tanah liat; Kadar lempung memberikan nilai yang tinggi, batupasir dan batugamping yang bersih memberikan nilai yang rendah. Dengan menambahkan log resistivitas dan densitas, model dapat menunjukkan batas litologi dari pola kurva.
Batasan di sini penting: log adalah pengukuran tidak langsung. Gamma tinggi dapat berupa tanah liat, pasir kaya feldspar, atau abu vulkanik. Oleh karena itu, prediksi litologi berbasis log adalah sebuah hipotesis; Ini tidak pasti kecuali dihubungkan dengan inti atau potongan (pecahan batu yang muncul ke permukaan selama pengeboran). Saat model menggambar batas, tanyakan apakah ada inti pada kedalaman tersebut; Jika ada, inti menang.
Tiga Kasus Mini: Berdasarkan Angka
Kasus 1 — Konsistensi standardisasi. Di sebuah perusahaan pertambangan, 6 ahli geologi yang berbeda menggunakan 11 ungkapan berbeda untuk "granit yang lapuk" (lapuk, berubah, busuk, liat...). Standardisasi yang dibantu kecerdasan buatan menempatkan database 4.800 baris pada skala dekomposisi 5 tingkat; Setelah itu, kueri "zona segregasi menengah-sangat tinggi" membutuhkan waktu beberapa detik, padahal sebelumnya membutuhkan waktu berhari-hari. 10% standarisasi acak diperiksa oleh inti, kesepakatannya tinggi.
Kasus 2 - Draf awal korelasi log. Korelasi litologi akan dibuat dari log gamma di dua sumur yang berdekatan (berjarak 150 m). Model tersebut mengusulkan korelasi awal yang mencocokkan empat tingkat umum dan menandai perbedaan ketebalan pada satu tingkat sebagai "kemungkinan patahan atau irisan". Ketika insinyur tersebut melihat inti dari zona yang ditandai, dia menemukan kesalahan yang sangat kecil; Model tersebut tidak memberikan jawaban pasti, namun menarik perhatian ke tempat yang tepat.
Kasus 3 — Menangkap perbatasan yang dibuat. Pada salah satu sumur, model menetapkan litologi “basal” pada interval 40-45 m yang tidak memiliki data inti. Basal tidak diharapkan ada di wilayah tersebut; hanya ada peningkatan gamma dalam rekaman. Filter masuk akal geologi diaktifkan, sampel klas diminta dari interval tersebut, dan tingkatnya ditemukan batulanau lempung. Model tersebut salah menafsirkan gamma tinggi.
Prompt Lemah / Prompt Kuat
Perintah yang lemah:
Ubah definisi inti ini menjadi tabel.[teks]
Perintah yang kuat:
Terjemahkan deskripsi inti teks bebas berikut ke dalam DIAGRAM yang diberikan. JANGAN mengisi kolom apa pun yang tidak tertulis dengan jelas di teks; jika tidak, tulis "tidak ditentukan". Skema (kolom): depth_ust_m | kedalaman_sub_m | litologi | warna |ukuran_butir | segregasi | diskontinuitas | mineral_sekunder | catatanIstilah litologi yang diperbolehkan: batupasir, batulanau, batulempung, batugamping, napal, konglomerat, sist, granit, basalt. Jika suatu istilah tidak ada dalam daftar, "?" tandai dan tulis alasannya di catatan. Skala diskriminasi: segar | cahaya | tengah | tinggi | tinggi | teks lengkap:[deskripsi inti]
Prompt yang kuat menerapkan skema, kamus, dan "larangan fabrikasi" secara bersamaan; Outputnya konsisten dan dapat diaudit.
Empat Templat yang Dapat Disalin
1) Standardisasi buku catatan lapangan:
Terjemahkan catatan lapangan berikut ke dalam terminologi standar. Singkatan terbuka (misalnya "batu"->"batu pasir"), tetapi JANGAN mengubah isinya. Tandai frasa ambigu sebagai "[ambigu]" dan pertahankan frasa aslinya dalam tanda kurung. Catatan: [catatan lapangan]
2) Hipotesis litologi berbasis log:
Sarankan kemungkinan batas litologi dari data log berikut (kedalaman, gamma, resistivitas, kepadatan). Untuk setiap batas, tuliskan: (a) perubahan kurva mana yang Anda peroleh, (b) kemungkinan litologi alternatif, (c) perlunya verifikasi coring. Jangan menganggap batasan apa pun sebagai sesuatu yang "pasti". Data: [tabel log]
3) Sketsa korelasi dua sumur:
Bandingkan log Well-A dan Well-B. Cantumkan tingkat kecocokan, alasan kecocokan, dan zona tidak cocok/mencurigakan secara terpisah. Labeli kesalahan, erosi atau perubahan fasies sebagai "harus diverifikasi". Data: [dua log sumur]
4) Kontrol kualitas data:
Carilah kesalahan logis dalam tabel litologi di bawah ini: rentang kedalaman yang tumpang tindih, kesenjangan, kesejajaran yang tidak mungkin, inkonsistensi satuan, istilah yang tidak sah. Laporkan temuan sebagai tabel "nomor baris | masalah | saran". JANGAN BENAR datanya, cukup tandai. Tabel: [tabel litologi]
Hierarki Bukti Otentikasi
Jenis bukti
keterusterangan
keandalan
Kapan harus digunakan
Inti (inti)
paling langsung
tertinggi
Batas litologi kritis
Remah (memotong)
sedang
tinggi
Dengan tidak adanya inti
catatan geofisika
tidak langsung
sedang
Profil berkelanjutan, pengisian celah
Prediksi model
berasal
Rendah (sendirian)
Hipotesis, penyaringan
Catatan teks gratis
Variabel
Tergantung pada ahli geologi
Konteks tambahan
Tip: Saat membantu kecerdasan buatan menemukan batas litologi, tanyakan "batas yang mungkin dan tingkat kepercayaan", bukan "batas yang tepat". Inti memberikan akurasi, bukan model. Outputnya kemudian menjadi alat penyaringan, bukan klaim kepastian palsu.
Perhatian: Model cenderung mengisi rentang kedalaman yang tidak ada dalam data agar "tidak meninggalkan celah". Hal ini dapat menghasilkan litologi palsu, terutama pada zona dengan kehilangan inti. Tandai dengan jelas zona kehilangan inti dan perintahkan model untuk “kosongkan jika tidak ada data”.
Kesalahan umum
- Mencari inferensi daripada transformasi. Mengharapkan model untuk “menebak” apa yang tidak ada dalam teks; Ini membuka pintu bagi data palsu. Susun saja apa yang tertulis.
- Tidak menyediakan kamus standar. Mengizinkan terminologi gratis; Hasilnya adalah gambaran yang tidak perlu dipertanyakan lagi dan tidak konsisten.
- Menerima perkiraan log sebagai akurat. Mempertimbangkan pengukuran tidak langsung (gamma, resistivitas) saja sebagai bukti litologi; Untuk memindahkan batas tanda tangan tanpa mengikatnya dengan inti/remah.
- Untuk menyembunyikan zona kerugian inti. Mengisi kesenjangan data dalam model; ruang harus tetap ruang.
- Memproses secara batch dan tidak pernah memeriksa. Tidak menerjemahkan ribuan baris sekaligus dan melakukan pengecekan sampel secara acak.
Singkatnya
- Kecerdasan buatan memberikan keamanan dan efisiensi tinggi dalam penataan, standarisasi, dan klasifikasi litologi awal dari data lapangan yang tersebar.
- Mintalah transformasi dari model, bukan inferensi; Jangan mengarang apa yang tidak ada dalam teks, cetak "tidak ditentukan".
- Perkiraan litologi berbasis log bersifat tidak langsung dan merupakan hipotesis; Hal ini tidak dapat dipastikan sampai dihubungkan dengan sampel inti dan remah.
- Anda memaksakan skema dan kamus standar; Hanya dengan cara inilah hasilnya akan konsisten dan terkendali.
- Pengeboran inti berada di puncak hierarki bukti; Pada dasarnya, prediksi model saja tidak cukup.
Tugas aplikasi
Ambil 15-20 baris dari buku catatan lapangan atau deskripsi inti yang Anda miliki (anonimkan informasi lapangan yang bersifat rahasia). Pertama-tama tentukan skema Anda sendiri dan kamus litologi/pelapukan yang diizinkan, lalu terjemahkan ke dalam tabel dengan perintah yang kuat. Bandingkan setiap baris tabel yang dihasilkan dengan teks mentah dan tandai area mana pun yang modelnya salah tempat atau salah tempat; Periksa apakah setidaknya satu bidang "tidak ditentukan" dibiarkan kosong dengan benar.
daftar periksa
- [ ] Saya dapat mengubah observasi bidang teks bebas menjadi tabel yang terstruktur dengan diagram dan kamus standar.
- [ ] Saya menerapkan aturan "tidak ditentukan" bahwa saya menginginkan transformasi dari model dan saya tidak membuatnya sesuai dengan sesuatu yang tidak ada.
- [ ] Saya memahami bahwa perkiraan litologi berbasis log adalah hipotesis tidak langsung dan harus dikaitkan dengan inti.
- [ ] Saya menandai zona kehilangan inti dan kesenjangan data serta mencegah pemasangan.
- [ ] Saya memvalidasi keluaran sesuai dengan hierarki bukti (inti > remah > log > model).