현장 데이터, 시추 기록 및 암석 분류

이득:

• 시추 기록, 핵심 설명, 현장 메모를 AI로 구조화하고 암석학적으로 분류하는 능력
• 자유 텍스트 필드 관찰을 표준 지질학 용어 및 표로 변환하는 기능
• 핵심 사진, 로그 곡선 및 층위학적 타당성을 통해 AI가 생성한 암석학적 해석을 검증하는 능력

지질공학의 원료는 데이터이며, 이 데이터의 대부분은 불규칙적으로 생성됩니다. 현장에 보관된 핵심 설명은 다양한 지질학자들이 다양한 단어로 작성한 자유 텍스트입니다. 시추 활동의 기록은 다양한 형식, 다양한 단위로, 때로는 수동으로, 때로는 디지털 방식으로 보관되었습니다. 현장 노트의 메모에는 약어와 개인적인 습관이 가득합니다. 본 단원에서는 분산된 현장 데이터의 구조화(질의 가능한 테이블로 변환), 표준화(공통 용어로 가져오기), 예비 암석 분류(암석 유형 분리) 등 인공 지능의 가장 구체적이고 안전한 수익 영역을 다룹니다. 하지만 처음부터 말하자면, 인공 지능이 데이터를 구성하고 엔지니어가 지질학적 해석을 승인합니다.

먼저 두 가지 핵심 용어를 명확히 해보겠습니다. 시추공 기록은 우물을 따라 깊이에 대해 측정된 특성의 기록입니다. 이러한 측정은 지질학적(암석학, 풍화) 또는 지구물리학적(감마선, 저항률, 밀도)일 수 있습니다. 코어(English core)는 드릴링을 통해 지하에서 추출한 원통형 암석 샘플입니다. 지하를 직접 관찰할 수 있다는 점에서 가장 귀중한 증거이다. 암석학은 암석(예: 사암, 석회암, 셰일)의 유형 및 물리적 특성을 말합니다.

자유 텍스트 구조화

현장 지질학자는 설명을 다음과 같이 기록합니다: "0-3.2m 갈색, 느슨한 점토 자갈, 잘 분류되지 않음; 3.2-7.5m 회색, 적당히 풍화되고, 중간 크기의 미세한 입자의 사암과 희박한 탄산 시멘트; 7.5-12m 밝은 회색, 고체, 균열된 석회암, 9m의 방해석 정맥." 이 단일 문장은 실제로 깊이 범위, ​​색상, 풍화 정도, 암석학, 입자 크기, 2차 특성 등의 표를 압축한 버전입니다. 인공지능이 이를 압축해제한다.

중요한 점은 모델에게 추론이 아닌 변환을 요청한다는 것입니다. 즉, 텍스트에 명확하게 작성된 정보를 해당 필드에 배치하십시오. 본문에 없는 내용을 꾸며내지 마세요. "풍화 정도" 필드의 경우 지질학자가 "중간 풍화"라고 쓰면 모델은 이렇게 씁니다. 지질학자가 어떤 것도 지정하지 않은 경우 모델은 "지정되지 않음"으로 기록되어야 하며 값에 맞지 않습니다. 이러한 구별은 데이터 무결성의 기초입니다.

단계별: 핵심 도서를 스프레드시트로 전환

1. 먼저 스키마를 정의합니다. 어떤 열은 다음과 같습니다: 깊이_상단, 깊이_하단, 암석학, 색상, 입자 크기, 풍화, 불연속성, 보조_광물, 참고. 출력이 일관되도록 모델에 스키마를 적용합니다.
2. 표준 사전을 제공하십시오. 암석학에 대해 허용되는 용어(사암, 미사암, 석회암, 이회토, 점토암, 역암...)와 풍화 정도(신선함, 가볍음, 중간, 높음, 완전함)를 제공하십시오. 그래서 '약간 풍화됐다' 같은 표현이 표준이 됐다.
3. 작은 배치를 처리합니다. 전체 노트북을 한 번에 제공하지 않고 20-30줄씩 일괄 제공합니다. 실수를 일찍 잡아냅니다.
4. 소스로 돌아가서 확인해보세요. 결과 테이블의 임의 행을 원시 텍스트와 비교합니다. 특히 깊이 제한과 암석학 용어.

암석학적 분류: 기록에서 해석까지

AI는 두 가지 방식으로 암석학을 지원합니다. 첫 번째는 위와 같이 지질학자의 정의를 표준화하는 것이다. 두 번째이자 더 발전된 방법은 지구물리학적 로그 곡선을 이용한 암석학 추정입니다. 예를 들어, 감마선 로그(암석의 자연 방사능)는 점토 함량에 따라 증가합니다. 점토층은 높은 값을 제공하고, 깨끗한 사암과 석회암은 낮은 값을 제공합니다. 저항률과 밀도 로그를 추가함으로써 모델은 곡선 패턴에서 암석 경계를 제안할 수 있습니다.

여기서 한계는 중요합니다. 로그는 간접적인 측정입니다. 높은 감마는 점토, 장석이 풍부한 모래 또는 화산재일 수 있습니다. 따라서 로그 기반 암석 예측은 가설입니다. 코어나 커팅(드릴링 중에 표면으로 올라오는 암석 조각)과 연결되어 있지 않으면 확정적이지 않습니다. 모델이 경계를 그릴 때 해당 깊이에 코어가 있는지 물어보세요. 있다면 코어가 승리합니다.

세 가지 미니 케이스: 숫자로 알아보기

사례 1 - 표준화 일관성. 한 광산 회사에서 6명의 지질학자가 "풍화 화강암"에 대해 11가지 다른 표현(풍화, 변질, 썩음, 점토...)을 사용했습니다. 인공지능 기반 표준화를 통해 4,800행 데이터베이스를 5단계 분해 규모로 배치했습니다. 이후에는 "중간 수준으로 분리된 영역" 쿼리에 몇 초가 걸렸지만 이전에는 며칠이 걸렸습니다. 표준화의 무작위 10%가 코어별로 확인되었으며 일치도가 높았습니다.

사례 2 - 로그 상관 관계 예비 초안. 암석학적 상관 관계는 두 개의 인접한 우물(150m 간격)의 감마 로그로부터 만들어집니다. 이 모델은 네 가지 공통 수준을 일치시키는 예비 상관관계를 제안하고 한 수준의 두께 차이를 "가능한 결함 또는 쐐기형"으로 표시했습니다. 엔지니어가 표시된 영역의 핵심을 살펴보았을 때 매우 작은 결함을 발견했습니다. 모델은 확실한 답을 주지는 않았지만, 딱 맞는 곳으로 시선을 끌었다.

사례 3 - 조작된 테두리 캡처. 한 유정에서 모델은 핵심 데이터가 없는 40-45m 간격에 "현무암" 암석학을 할당했습니다. 현무암은 이 지역에서 발견될 것으로 예상되지 않았습니다. 녹음에는 감마 증가만 있었습니다. 지질학적 타당성 필터가 활성화되었고 해당 간격에서 쇄설물 샘플이 요청되었으며 그 수준은 점토질 실트암인 것으로 밝혀졌습니다. 모델이 높은 감마를 잘못 해석했습니다.

약한 프롬프트 / 강한 프롬프트

약한 프롬프트:

이러한 핵심 정의를 테이블로 변환하세요.[text]

강력한 프롬프트:

다음 자유 텍스트 핵심 설명을 주어진 DIAGRAM으로 번역하세요. 텍스트에 명확하게 기재되지 않은 필드는 입력하지 마십시오. 그렇지 않으면 "unspecified"라고 씁니다.Schema(열): 깊이_ust_m | 깊이_하위_m | 암석학 | 색상 |grain_size | 분리 | 불연속 | 2차_미네랄 | 참고허용되는 암석학 용어: 사암, 미사암, 점토암, 석회암, 이회토, 역암, 시스트, 화강암, 현무암. 목록에 용어가 없으면 "?" 메모지에 표시하고 이유를 적습니다. 차별 척도: 신선 | 빛 | 중간 | 높다 | 높다 | fullText:[핵심 설명]

강력한 프롬프트는 스키마, 사전 및 "조작 금지"를 함께 부과합니다. 출력은 일관되고 감사 가능합니다.

복사 가능한 템플릿 4개

1) 현장노트 표준화:

다음 필드 참고 사항을 표준 용어로 번역하십시오. 약어(예: "stone"->"sandstone")를 열되 내용을 변경하지 마십시오. 모호한 문구를 "[모호함]"으로 표시하고 괄호 안에 원래 문구를 유지합니다. 참고: [필드 참고]

2) 로그 기반 암석학 가설:

다음 로그 데이터(깊이, 감마, 저항률, 밀도)에서 가능한 암석 경계를 제안합니다. 각 경계에 대해 다음을 적으십시오. (a) 어떤 곡선 변화에서 파생되는지, (b) 대체 암석학의 가능성, (c) 코어링 검증의 필요성. 어떠한 경계도 "확실하다"고 제시하지 마십시오. 데이터: [로그 테이블]

3) 두 개의 유정 상관관계 스케치:

Well-A와 Well-B 로그를 비교합니다. 일치 수준, 일치 이유, 불일치/의심스러운 영역을 별도로 나열합니다. 단층, 침식 또는 상 변화는 "검증해야 함"으로 표시됩니다. 데이터: [유정 로그 2개]

4) 데이터 품질 관리:

아래 암석학 표에서 논리적 오류(깊이 범위 중복, 간격, 정렬 불가능, 단위 불일치, 승인되지 않은 용어)를 찾아보세요. 결과를 "행 번호 | 문제 | 제안" 테이블로 보고합니다. 데이터를 수정하지 말고 표시만 하세요.테이블: [암석학 테이블]

인증 증명 계층

증거 유형

직접성

신뢰성

언제 사용하나요?

코어(코어)

가장 직접적인

최고

중요한 암석학 경계

부스러기(절단)

중간

높다

코어가 없는 경우

지구물리학적 기록

간접적인

중간

연속 프로파일, 간격 채우기

모델 예측

파생된

낮음(혼자서)

가설, 선별

무료 텍스트 메모

변수

지질학자에 따라 다름

추가 컨텍스트

팁: 인공지능이 암석학 경계를 찾는 데 도움을 줄 때 "정확한 경계"가 아닌 "가능한 경계 및 신뢰 수준"을 요청하세요. 모델이 아닌 핵심이 정확성을 제공합니다. 그러면 출력은 확실성에 대한 잘못된 주장이 아니라 선별 도구가 됩니다.

주의: 모델은 "간격을 남기지 않기" 위해 데이터에 없는 깊이 범위를 채우는 경향이 있습니다. 특히 코어 손실이 있는 구역에서는 가짜 암석이 생성될 수 있습니다. 코어 손실 영역을 명확하게 표시하고 "데이터가 없으면 공백으로 두십시오"라고 모델에 지시합니다.

일반적인 실수

• 변형보다는 추론을 추구합니다. 모델이 텍스트에 없는 내용을 "추측"할 것으로 기대합니다. 이는 가짜 데이터의 문을 열어줍니다. 쓰여진 내용을 구조화하십시오.
• 표준 사전을 제공하지 않습니다. 자유로운 용어를 허용합니다. 그 결과 의심의 여지가 없고 일관성이 없는 그림이 탄생했습니다.
• 로그 추정치를 정확한 것으로 받아들입니다. 암석학의 증거로 간접 측정(감마, 저항률)만 고려합니다. 코어/부스러기로 바인딩하지 않고 테두리를 서명으로 이동합니다.
• 코어 손실 영역을 숨기려면. 모델의 데이터 격차 채우기 공간은 공간으로 남아야 한다.
• 일괄 처리하고 확인하지 않습니다. 수천 개의 행을 한 번에 번역하지 않고 무작위로 샘플 검사를 수행합니다.

요약하면

• 인공지능은 분산된 현장 데이터의 구조화, 표준화 및 예비 암석 분류에 있어 안전하고 높은 효율성을 제공합니다.
• 추론이 아닌 모델로부터의 변환을 요청하십시오. 본문에 없는 내용은 구성하지 말고 "unspecified"라고 인쇄하세요.
• 로그 기반 암석학 추정치는 간접적이며 가설입니다. 코어와 부스러기 샘플을 연결하기 전까지는 확인할 수 없습니다.
• 스키마와 표준 사전을 적용합니다. 그래야만 출력이 일관되고 제어 가능해집니다.
• 코어 드릴링은 증거 계층 구조의 최상위에 있습니다. 하단에는 모델 예측만으로는 부족합니다.

응용과제

보유한 현장 노트북이나 핵심 설명에서 15~20줄을 가져옵니다(기밀 현장 정보를 익명화). 먼저 자신만의 스키마와 허용된 암석학/풍화 사전을 정의한 다음 이를 강력한 프롬프트가 포함된 테이블로 변환합니다. 결과 테이블의 각 행을 원시 텍스트와 비교하고 모델이 퍼지하거나 잘못 배치한 영역에 플래그를 지정합니다. 하나 이상의 "지정되지 않은" 필드가 올바르게 비어 있는지 확인하십시오.

체크리스트

• [ ] 자유 텍스트 필드 관찰을 다이어그램과 표준 사전으로 구성된 테이블로 변환할 수 있습니다.
• [ ] 나는 모델로부터 변형을 원하며 존재하지 않는 것에 적합하게 만들지 않는다는 "지정되지 않은" 규칙을 적용합니다.
• [ ] 로그 기반 암석학 추정은 간접적인 가설이며 코어와 연결되어야 한다는 것을 이해합니다.
• [ ] 코어 손실 및 데이터 갭 영역을 표시하고 피팅을 방지합니다.
• [ ] 증거 계층 구조(코어 > 부스러기 > 로그 > 모델)에 따라 출력을 검증합니다.