Guadagni:
- Capacità di costruire passaggi geostatistici come compositing, variogramma e kriging con intelligenza artificiale e ipotesi di domande
- Capacità di interpretare il modello a blocchi, la curva qualità-tonnellaggio e la classificazione delle risorse (misurate/visualizzate/estratte) con il supporto dell'intelligenza artificiale
- Capacità di testare i valori di previsione e incertezza prodotti dall'intelligenza artificiale attraverso calcoli indipendenti, convalida incrociata e giudizio di una persona qualificata (CP/QP)
Il numero più critico per una compagnia mineraria è quanto e quale qualità di minerale si trova nel sottosuolo. Questo numero; Determina la decisione di investimento, il valore di borsa, il finanziamento bancario e la durata del forno. Ma nessuno può misurare tutta la sostanza una per una; vengono campionati solo i punti di perforazione sparsi e gli intervalli vengono stimati. La disciplina che pone questa previsione su base scientifica si chiama geostatistica. La geostatistica modella il modo in cui i dati spaziali (in base alla posizione nello spazio) sono simili tra loro e stima i punti non misurati con un margine di incertezza. IA; Si tratta di un potente aiuto nelle parti di questo processo relative al codice, al confronto degli scenari e all'analisi delle incertezze. Tuttavia, spetta alla persona competente (Persona competente/CP in JORC, Persona qualificata/QP in NI 43-101) decidere quale modello è valido, quale presupposto è accettabile e come verrà classificata la risorsa.
Risorsa e riserva: distinzione critica
Chiariamo prima i due termini. Risorsa mineraria: minerale che può essere estratto economicamente sulla base di informazioni geologiche; Sono classificati come dedotti, indicati e misurati in base al livello di confidenza. Riserva Minerale (riserva): la parte della risorsa che può effettivamente essere estratta con profitto attraverso interventi tecnici ed economici (metodo di estrazione, efficienza della struttura, costo, prezzo del metallo); Sono classificati come probabili e provati. La risorsa è geologica, la riserva è economica. L’intelligenza artificiale può spiegare queste definizioni, ma non può decidere in quale classe rientra un numero; Questo è il giudizio della persona competente che esamina la densità dei dati e la fiducia nella continuità.
Passo dopo passo: flusso di lavoro geostatistico e luogo dell’intelligenza artificiale
- Composizione. Portare intervalli di analisi di diverse dimensioni alla stessa lunghezza (ad esempio 1 m o 2 m). AI: scrive il codice, stabilisce la logica unitaria e media ponderata; Sei tu a controllare il risultato.
- Revisione statistica. Distribuzione dei voti, valori anomali, limiti (top-cut: limitazione dei voti estremamente alti). AI: genera codice istogramma/statistica riepilogativa; Il geologo prende la decisione di limitare.
- Analisi del variogramma. Modellare la continuità spaziale: come la somiglianza diminuisce man mano che i punti si allontanano. Parametri range, sill e nugget. AI: spiega il concetto di variogramma, fornisce uno scheletro di codice; Il geostatistico verifica l'adattamento del modello.
- Pronostico (kriging/IDW/simulazione). Assegnazione dei voti a ciascun blocco del modello a blocchi. Il Kriging è un metodo di stima ponderato basato sul variogramma. AI: spiega le differenze di metodo, crea codice; L'esperto sceglie i parametri.
- Verifica. Convalida incrociata, confronto previsione-campione, ispezione visiva, controllo di livellamento. AI: genera grafici di validazione; L'esperto fa il commento.
- Classificazione e reporting. Classi di risorsa/riserva, curva qualità-tonnellaggio, compatibilità JORC/UMREK. AI: bozza di testo e tabella; La firma appartiene alla persona autorizzata.
Suggerimento: non far dire all'IA "scegli tu i parametri del variogramma". La portata e l'impatto della pepita dipendono dalla geologia del giacimento minerario; la scelta sbagliata gonfia o riduce sistematicamente la riserva. Usa l'intelligenza artificiale come generatore di codici e scenari, lascia la decisione al geostatistico.
Curva qualità-tonnellaggio e qualità limite economica (limite)
Il grado di cut-off è la soglia che determina se un blocco è considerato minerale o ruggine; il prezzo del metallo dipende dal costo e dall'efficienza dell'impianto. Al variare della qualità limite, cambiano il tonnellaggio e la qualità media della riserva; Questa relazione è mostrata dalla curva qualità-tonnellaggio. L’intelligenza artificiale può scrivere codice che calcola questa curva e confronta rapidamente gli scenari (diverso cut-off, diverso prezzo del metallo). Ma il presupposto di costo e prezzo in base al quale viene determinato il cut-off è una decisione economica e viene presa insieme dal team tecnico e dal management.
tre mini custodie
Caso 1 – Limitare la negligenza. In un progetto relativo all'oro, diverse perforazioni producono qualità eccezionalmente elevate di 120 g/t. La squadra li monta senza tapparli; La qualità media è di 2,4 g/t. L'intelligenza artificiale è sottoposta a convalida incrociata; Le stime sono in realtà gonfiate da pochissime trivellazioni, con alcuni blocchi assegnati estremamente alti. Dopo un'adeguata tappatura (ad esempio 30 g/t) la media diminuisce a 1,7 g/t. La differenza cambia direttamente la fattibilità del progetto. L'intelligenza artificiale ha prodotto il calcolo e il grafico; La decisione sul livello di limite è stata presa dal geostatistico.
Caso 2 – Intervallo errato. Se l'intervallo del variogramma in un porfido ramato è effettivamente di 150 m ma il modello viene assunto pari a 400 m, le aree di perforazione sparse appaiono troppo "affidabili" e i blocchi che dovrebbero essere considerati dedotti si sposteranno nella classe indicata. Ciò viene rilevato durante un controllo e una parte significativa della risorsa viene declassata a una classe di affidabilità inferiore. L'IA aveva generato il codice del variogramma, ma l'errore era ingigantito perché la portata non era stata revisionata da un esperto; La lezione è garantire che l'idoneità del modello sia verificata da un esperto.
Caso 3: confronto corretto degli scenari. In un progetto relativo al ferro, il team vuole vedere i risultati relativi al tonnellaggio per tre diversi valori limite (20%, 25%, 30% Fe). Scrivono uno script Python per l'intelligenza artificiale che esegue la logica di massa/volume/densità e il calcolo del tonnellaggio, utilizzando i dati del proprio modello a blocchi. Tabelle di script 3 scenari in secondi. Il team convalida manualmente i risultati su un blocco ed entra nella riunione decisionale con un chiaro grafico comparativo. L’intelligenza artificiale qui ha accelerato il calcolo iterativo; I dati e la decisione appartenevano alla squadra.
Modelli di prompt copiabili
CODICE DI COMPOSIZIONE "Ruolo: sei un assistente di geostatistica. Scrivi una funzione con Python + panda che converte i dati del test da-a-intervallo in compositi FISSI [1 m]. Regole: media PESANTE del voto in base alla lunghezza dell'intervallo; salta e segnala intervalli mancanti/vuoti; elabora separatamente in base all'ID del foro. Scrivi il presupposto dell'unità all'inizio con una riga di commento. Restituisci quanti intervalli sono stati saltati nel risultato. "
CONCETTO VARIOGRAMMA + CODICE "Che cos'è un variogramma: spiegare i concetti di pepita, davanzale e portata in un linguaggio semplice. Quindi calcolare il variogramma sperimentale in una direzione e fornire un modello sferico che si adatti allo scheletro del codice di rango. Aggiungere una nota di ATTENZIONE: portata e pepita devono essere selezionati con perizia in base alla geologia del minerale; NON SELEZIONARE questi valori."
SCENARIO GRADO-TONNAGGIO "La resa del modello a blocchi contiene le seguenti colonne: [x,y,z, qualità, volume del blocco, densità]. Scrivere uno script che calcoli il tonnellaggio totale e la qualità media in ogni scenario per i seguenti valori limite [0,3; 0,4; 0,5]. Interpretare esplicitamente la densità e l'ipotesi unitaria. Restituire il risultato come tabella di confronto."
COMMENTO SULLA CONVALIDA INCROCIATA "Di seguito sono riportati i risultati della convalida incrociata del kriging (effettivo vs previsione). Commento su: c'è un bias sistematico, le previsioni sono eccessivamente uniformi, in quale intervallo di gradi è ampia la deviazione? NON prendere una decisione ferma; suggerire quale parametro il geostatistico dovrebbe rivedere. Dati: [incolla]."
Prompt debole / Prompt forte
PROMPT DEBOLE: "Calcola la riserva per questo progetto."
RICHIESTA FORTE: "Ruolo: sei l'assistente geostatistico. Ti fornirò il mio modello a blocchi e i parametri del variogramma. Imposta un flusso Python con unità interpretate e ipotesi che produca stima kriging + convalida incrociata + curva grado-tonnellaggio. SELEZIONA parametri; usa il mio. Prendi nota alla fine del rapporto che i risultati devono essere classificati e approvati da una persona qualificata (CP/QP) secondo JORC/UMREK."
Tabella comparativa: metodo e ruolo dell'IA
passo
Scopo
Ruolo dell'intelligenza artificiale
Giudizio esperto
Composizione
Uguale lunghezza del supporto
Codice + controllo
Dimensione composita
Tappatura
Limite anomalo
Grafico/statistiche
Livello massimo
variogramma
continuità spaziale
Concetto + codice
Selezione intervallo/nugget
kriging
Blocca la previsione
Codice + flusso
Parametro + metodo
Classificazione
Livello di fiducia
bozza di testo
Sentenza JORC/UMREK
Errori comuni
- Saltare il limite. Alcune miniere d'oro gonfiano la media del valore e la riserva.
- Avere i parametri del variogramma selezionati dall'AI. La portata/pepita dipende dalla geologia; La scelta sbagliata distrugge sistematicamente la riserva.
- Confondere risorse con riserve. La risorsa è geologica, la riserva è economica; Le classi non sono intercambiabili.
- Ignorando il livellamento. Il kriging può ammorbidire eccessivamente il tenore; Riduce il tenore alto e amplifica il tenore basso.
- Segnalazione della classificazione senza l'approvazione della persona competente. JORC/UMREK è valido solo con la firma di una persona autorizzata.
Attenzione: il numero di riserva è una dichiarazione ufficiale comunicata alla Borsa, alla banca e agli investitori. Nessun risultato intermedio prodotto dall'AI può diventare una dichiarazione ufficiale di riserva/risorsa senza la valutazione indipendente e la firma di una persona competente (CP/QP).
In sintesi
La geostatistica è la disciplina di stima dell'intero giacimento minerario con incertezza derivante dalla perforazione sparsa: compositing, capping, variogramma, kriging, verifica e classificazione. In questo flusso, l’intelligenza artificiale è forte nella codifica, nel confronto degli scenari, nel calcolo del tonnellaggio e nella grafica di verifica. Ma i parametri del variogramma, il livello di limite e la classificazione delle risorse/riserve sono decisioni di esperti e la dichiarazione ufficiale richiede la firma della persona competente. La risorsa è geologica, la riserva è economica; Non offuscare mai questa distinzione.
Compito dell'applicazione
Produci tabelle di tonnellaggio e qualità media per tre diversi valori limite utilizzando il modello "Scenario di qualità-tonnellaggio" con un campione (o i tuoi) dati di qualità compositi. Quindi chiedi all'intelligenza artificiale di interpretare un risultato di kriging con il modello di "interpretazione della convalida incrociata" ed elenca quali parametri necessitano di revisione da parte di esperti. Infine, chiedi all'intelligenza artificiale di spiegare la differenza tra risorsa e riserva e i livelli di confidenza della classificazione con parole tue e verificarne l'accuratezza rispetto alla definizione del codice ufficiale.
lista di controllo
- [] Ho determinato la dimensione composita e le ipotesi unitarie, non l'ho lasciato all'intelligenza artificiale.
- [ ] Il geologo/geostatistico ha preso la decisione di limitare i valori estremi.
- [ ] Intervallo del variogramma e valore delle pepite revisionati da un esperto.
- [] Ho testato il risultato di Kriging con convalida incrociata e ispezione visiva.
- [] Ho utilizzato le classi di risorse e di riserva correttamente e separatamente.
- [ ] Ho notato nel rapporto che per la dichiarazione ufficiale è richiesta l'approvazione della persona competente (CP/QP).