Табыстар:
- Пайдалы қазбалар перспективасында АИ және көп қабатты деректер синтезін қолдануды түсіндіре білу
- Геостатистиканы (кригинг, вариограмма) және машиналық оқытуды қолдана отырып, блоктық модельді және бағаны бағалауды қалай жасау керектігін түсіну.
- Кросс-валидация, классификация сенімділігі және есеп беру стандарттары арқылы бастапқы бағалау нәтижелерін сынау мүмкіндігі
Іздеу - бұл бірнеше миллиондаған долларлық шешімдер бірнеше бұрғылау үлгілеріне негізделген ставка ойыны. Пайдалы қазбалар кен орны (ағылшынша рудалы кен орны; пайдалы қазбалардың бай және пайдалану үшін жеткілікті үлкен жинақталуы) жүздеген шаршы километр аумақтың астында жасырылған және біз оны сирек бұрғылаулармен, геофизикалық көлеңкелермен және беткі белгілермен ғана «көреміз». Сондықтан пайдалы қазбаларды барлау AI-ның ең қызықты, бірақ сонымен бірге ең қауіпті қолданбалы салаларының бірі болып табылады: дұрыс пайдаланған кезде ол барлауды мақсаттылықты жылдамдатады және сирек деректерден көбірек мағына шығарады; Дұрыс пайдаланбаған кезде ол статистиканың артына жоқ затты жасырып, инвесторларды да, қоғамды да адастырып жібереді.
Бұл бөлімде біз барлаудың екі негізгі жасанды интеллект аспектілерін қарастырамыз: барлау мақсатын анықтау (пайдалы қазбалар перспективасы; көпқабатты деректер негізінде қай аймақта кен орны болуы мүмкін екенін бағалау) және ресурстарды бағалау (бұрғыланған кен орнында қанша металл бар екенін қандай сенімділікпен есептеу). Екеуінде де AI күшті үлгі іздеуші болып табылады; Бірақ екі жағдайда да соңғы көрсеткіш халықаралық есеп беру стандарттарына қол қойған құзыретті тұлғаның жауапкершілігі болып табылады.
Іздеу мақсаттылығы: көп қабатты деректерді біріктіру
Барлау геологы деректердің бір түрін емес, қабатталған қабаттарды қарастырады: геологиялық карта, құрылымдық контурлар (жарықтар мен қатпарлар), геофизика (магниттік, гравитация, меншікті кедергі), геохимия (топырақ және ағын үлгісі элементтерінің мәндері) және қашықтықтан зондтау арқылы картаға түсірілген өзгерістер. Әрбір қабат - әлсіз анықтама; Нақты сигнал - олардың бірге көрсететін жері. Бұл деректерді біріктіру деп аталады.
Мұнда жасанды интеллект екі жұмысты атқарады. Біріншіден, ол ондаған қабаттарды бір координаталық торға (ерекше, жалықтыратын, бірақ қатесі көп тапсырма) бір талдау кестесіне туралайды. Екіншіден, ол белгілі кен орындарының айналасындағы үлгіні үйренеді және ұқсас қолтаңбасы бар жаңа аймақтарды белгілейді (бақыланатын оқыту). Бірақ мұнда сыни тұзақ бар: белгілі төсек саны жиі өте аз (бір аймақта 5-10 төсек болуы мүмкін), сондықтан модель оңай есте сақтайды және жаңа аймақтарда сәтсіздікке ұшырайды. Сондықтан мақсатты нәтиже «негізгі асыл тастар бар» тізімі емес, «бұрғылау арқылы сынауға тұрарлық басымдылық тапсырыс» болып табылады.
Қадамдар әдетте төмендегідей болады: (1) қабаттарды туралау және тазалау, (2) төсек үлгісіне негізделген әрбір қабатты мағыналы белгіге аудару (мысалы, «ақау қиылысына дейінгі қашықтық», «магниттік жоғары жиек»), (3) белгілі төсек-орындары немесе сараптама ережесімен салмағы бар пойыз, (4) ықтималдық картасын жасау, (5) далада және төмен шығындар әдістерімен ең жоғары ықтималдық аймақтарын сынау.
Кеңес: Қабаттарды үлгіге шикізатпен берудің орнына, геологиялық мағыналы маркерлерді алыңыз («магниттік сақина + аргиллдік өзгеріс + порфирлі мыс үшін бұзылу қиылысы»). Мойынтірек үлгісімен үйлесімді индикаторлар соқыр статистикаға қарағанда әлдеқайда сенімді мақсаттарды береді.
Геостатистика және ресурстарды бағалау: Вариограмма, кригинг және блок моделі
Кен орны табылып, бұрғыланғаннан кейін сұрақ өзгереді: «Бұл жерде қанша металл бар және оған қаншалықты сенуге болады?». Жауап сынама алынған бұрғылау нүктелерінен сынамаланбаған тау жыныстарының көлеміне экстраполяцияны қажет етеді. Бұл үшін стандартты құрал – геостатистика.
Негізгі концепция - вариограмма: екі үлгі бір-бірінен әрі қарай жылжитын кезде сыныптық ұқсастықтардың азаюын сипаттайтын кеңістіктік үздіксіздік өлшемі. Жақын мысалдар ұқсас, алыстағылар тәуелсіз; Вариограмма осы «ұқсастық диапазонын» сандық түрде көрсетеді. Кригинг – бұл вариограмма құрылымын әрбір таңдалмаған блок үшін бағалауды да, бағалаудың белгісіздігін де беру үшін қолданатын орташа өлшенген әдіс. Кен орны метрмен өлшенетін жақтары бар блоктарға бөлінеді (блок үлгісі), әр блокқа баға мен сенімділік беріледі.
Жасанды интеллект осы жерде үш нүктеде келеді. Вариограммалық модельдеуде ол балама үлгілерді ұсынады және сәйкестігін бағалайды. Машинамен оқыту әдістері (мысалы, кездейсоқ орман, градиентті күшейту) кригингке қосымша сызықтық емес баға қатынастарын түсіре алады. Және ол бүкіл жұмыс процесін кодтауды, тексеруді және есеп беруді жылдамдатады. Бірақ екі темірдей ереже тұрақты болып қалады: бағалаудың белгісіздігін ешқашан жасыру мүмкін емес және түпкілікті ресурсты құзыретті тұлға халықаралық стандарттарға (JORC, NI 43-101, PERC сияқты ресурс/резервтік есеп берудің жалпыға қолжетімді, аудиттелетін) сәйкес өлшенген/көрсетілген/болжамды сыныптарға сұрыптайды.
Абайлаңыз: машинада оқыту моделі бұрғылау үзілістерін «тегістеп», шындықта жоқ үздіксіздікті жасай алады. Бірнеше жоғары сортты үлгілер бүкіл блокты әділетсіз байыта алады (ағылшынша жағылу). Жоғары мәндерді шектеу (жоғарыдан кесу) және үлгілер санын блок негізінде бақылау маңызды; әйтпесе, тоннаж қағазда ісіп кетеді.
Үш шағын корпус: сандар бойынша
1-жағдай – мақсатты басымдық. Барлау тобы 380 км² лицензиялық аумақта шектеулі бұрғылау бюджетімен жұмыс істеді. Жеті геофизикалық/геохимиялық қабаттарды біріктіретін ықтималдық картасы аумақтың тек 6% ғана «жоғары басымдылық» деп белгіледі. Топ алғашқы бес жаттығуды осы 6%-ға бағыттады; үшеуінде айтарлықтай мыс қиылыстарын тапты. Сыни нүкте: карта кенді «дәлелдемеді», бұрғылау бюджетін қайда бағыттау керектігін ұтымды етіп көрсетті және соқыр сынақтардың санын азайтты.
2-жағдай – жағылуды түсіру. Бір алтын кен орнында бірінші блок үлгісі қорды 14%-ға асыра бағалап, 78 г/т бір реттік сынаманың әсерінен қоршап тұрған блоктарды толтырды. Болжам QA/QC шолуында қолданылған жоғарғы кесінді (жоғары мәнді статистикалық шекке дейін төмендетеді) және көрші таңдау бақылауымен шынайы деңгейге жеткізілді. Айырмашылық миллиондаған долларлық инвестициялық шешімге тікелей әсер етті.
3-жағдай — Жіктеу пәні. Темір жобада модель жоғары сенімділікпен бүкіл кен орнын болжауды көрсетті; дегенмен бұрғылау тығыздығы шекті аймақтарда өте сирек болды. Уәкілетті тұлға сирек таңдалған көлемді экономикалық бағалаудан алып тастап, оның рейтингін "Шығарылған" деңгейіне дейін төмендетті. Осылайша, есеп ашық жарияланған қорлардағы асыра сілтеуден аулақ болды және стандартқа сәйкес қалды.
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Бұрғылау шығымдылығын талдаңыз және кен орнында қанша алтын бар екенін айтыңыз.[талдау кестесі]
Күшті шақыру:
Сіздің рөліңіз: Ресурстық геостатист. Келесі қосынды талдау деректерімен КӨЗ НӨМЕРІН БЕРІҢІЗ. Оның орнына: 1) Баға бөлуді қорытындылау; мүмкін болатын шектен тыс мәндерді және жоғарыдан кесу қажеттілігін белгілеңіз.2) Кеңістіктік үздіксіздік үшін қандай вариограмма бағыттарын зерттеу керектігін ұсыныңыз.3) Бұрғылаудың төмен тығыздығына байланысты қай аймақтарды тек «Жіберілмеген» деп жіктеуге болатынын көрсетіңіз.4) Нәтижеге әсер етуі мүмкін белгісіздіктің 4 көзін көрсетіңіз. Деректер анонимді; нақты координаттар/компания жоқ.
Күшті шақыру модельдің бір алдамшы нөмірді шығаруына жол бермейді және оны жауапты адам қоюы керек сұрақтарды дәл ұйымдастыратын көмекшіге айналдырады.
Көшірілетін төрт үлгі
1) Қабатты біріктіру үшін таңбалауыш туындысы:
Порфирлі мысты барлау моделіне негізделген келесі қабаттардан мағыналы маркерлерді ұсыныңыз: магниттік, гравитация, меншікті кедергі, топырақ геохимиясы (Cu-Mo-Au), альтерация. Әрбір маркер үшін: депозит үлгісіне, ықтимал жаңылыстыратын көзге және өрісті тексеру әдісіне сілтеме. Нақты мақсат қою; Басымдылық логикасын орнатыңыз.
2) QA/QC алдын ала скринингті талдау:
Талдау кестесін мыналарды тексеріңіз: теріс/мүмкін емес мән, анықтау шегінен төмен белгілердің үлесі, бірлік сәйкессіздігі (ppm/%/g-t), қайталанатын үлгі келісімі, бланк және стандартты үлгі дрейфі. Тек drilling_id арқылы мәселелерді тізімдеңіз; бағалау, түзету.
3) Вариограмманы түсіндіру жобасы:
Тәжірибелік вариограмма нәтижелерін интерпретациялау: түйіршік, диапазон және силл нені білдіретінін қарапайым тілмен түсіндіру; Анизотропияның белгілері бар ма? Кригтеу алдында қандай шешімдерге геологтың рұқсаты қажет екенін белгілеңіз. Код емес, логика.
4) Дереккөздердің жіктелуін бақылау:
Блоктық модельде әрбір блок үшін: кригинг дисперсиясы, бағалауда пайдаланылған үлгілер саны және ең жақын ұңғымаға дейінгі қашықтық берілді. Стандартты логикаға сәйкес өлшенген/көрсетілген/болжамды классқа сәйкес келетін блоктардың НЕГІЗГІ сұлбасын көрсетіңіз. Соңғы жіктеу уәкілетті тұлғаға тиесілі; мынаны айт.
Әдістерді салыстыру
Әдіс
Не істейді
күшті нүкте
Негізгі тәуекел
Сараптама ережесі (өлшенген қабат)
Мақсаттарды ақпаратпен сұрыптайды
Шағын деректермен жұмыс істейді, мөлдір
сарапшылық көзқарас
Бақыланатын ML мақсаттылығы
Белгілі төсектен үйренеді
Күрделі үлгіні түсіреді
Бірнеше мысалда жаттау
кригинг
Тенор белгісіздікпен болжайды
Стандартты, тексерілетін
Вариограмма қатесі, жағылу
ML бағасының бағасы
сызықтық емес қатынас
Икемді
Белгісіздікті, шамадан тыс бейімделуді жасыра алады
Модельдеу (мысалы, SGS)
Ықтималдық сценарийлерін жасайды
Белгісіздікті бейнелейді
Қате түсіндірілсе, тым сенімділік
Кеңес: Ресурстарды бағалау кезінде «бір ең жақсы сан» емес, ауқым мен сценарийді сұраңыз. Үш оптимистік/күтілетін/сақтық сценарий бір санмен жасалған жалған сенімділікке қарағанда шешім қабылдау үшін әлдеқайда адал негіз береді.
Жалпы қателер
- Кішкене белгілі төсекпен ML жаттау. Бес подшипникпен дайындалған модель жаңа салада сенімсіз; нәтижені дәлел ретінде емес, басымдық тізімі ретінде қараңыз.
- Төтенше мәндерді шектемеу. Бір ғана жоғары талдау, егер үстіңгі кесу жасалмаса, айналадағы блоктарды әділетсіз байытады (жағындырады) және тоннажды көбейтеді.
- Белгісіздік туралы хабарламау. Kriging дисперсиясы мен жіктелуін жасыру және жеке сандарды ұсыну стандарттар мен тұтастыққа қайшы келеді.
- Классификацияны өткізіп жіберу. Сирек таңдалған көлемді Өлшенген ретінде көрсету экономикалық пайымдау мен қоғамдық сенімге нұқсан келтіреді.
- QA/QC өткізіп жіберу. Бланкілер мен стандартты үлгілермен дрейфті зертханалық бақылаусыз ешбір баға сенімді емес.
Қысқаша
- Барлаудың мақсаттылығы көп деңгейлі деректерді біріктіру арқылы бұрғылау басымдығын жасайды; Ол кенді дәлелдемейді, соқыр сотты азайтады.
- Ресурстарды бағалау вариограммалар мен кригингтерді пайдалана отырып, бағаны сенімді түрде бағалайды; Блок моделі осыған негізделген.
- Машиналық оқыту күшті, бірақ ол шағын үлгілерді есте сақтайды, шектен шыққан мәндерді жағады және белгісіздікті жасыра алады.
- Соңғы дәнекерленген жік JORC/NI 43-101 сияқты стандарттарға сәйкес уәкілетті білікті тұлғамен жіктеледі және оған қол қойылады.
- Мән бір алдамшы санда емес; Белгісіздік тексерілетін басымдықта және шынайы түрде хабарланған жіктеуде.
Қолданбалы тапсырма
Анонимді құрама талдау кестесін (немесе репрезентативті мәндерді) алыңыз. Күшті шақыру арқылы үлгіден мыналарды сұраңыз: бастапқы фигураның орнына шамадан тыс құндылық/жоғарғы кесу қажеттілігі, вариограмма бағыттары және тығыздығы төмен аймақтар. Содан кейін «көзі жіктелуін басқару» үлгісі блоктар қай сенімді сыныпқа жататын жобаны шығаруын сұраңыз. Соңында, модельдің бір тонналық көрсеткішті беруге тырысатынын бақылаңыз және оны неліктен бас тарту керектігін бір сөйлеммен жазыңыз.
бақылау парағы
- [ ] Мен барлауды нысанаға алу кенді дәлелдемейтінін, бұрғылаудың басымдылығын беретінін түсіндім.
- [ ] Мен вариограмма мен кригинг бағаны белгісіздікпен қалай бағалайтынын түсіндіре аламын.
- [ ] Мен жағу, жоғары кесу және артық бағалау тәуекелдерін мойындаймын және QA/QC міндетті деп санаймын.
- [ ] Ресурс стандарт бойынша өлшенген/көрсетілген/болжамды ретінде жіктелетінін және уәкілетті тұлғаға тиесілі екенін түсінемін.
- [ ] Мен жалғыз сандардың орнына белгісіздік ауқымдары мен сценарийлерін талап ететін пәнді қабылдадым.