Pelnas:
- Gebėjimas paaiškinti AI ir kelių sluoksnių duomenų sintezės panaudojimą mineralų perspektyvoje
- Supratimas, kaip sudaryti bloko modelį ir įvertinimą naudojant geostatistiką (kriging, variogram) ir mašininį mokymąsi.
- Galimybė išbandyti šaltinio įvertinimo rezultatus naudojant kryžminį patvirtinimą, klasifikavimo patikimumą ir ataskaitų teikimo standartus
Žvalgymas yra lažybų žaidimas, kuriame kelių milijonų dolerių sprendimai yra pagrįsti keletu gręžimo pavyzdžių. Naudingųjų iškasenų telkinys (anglų kalba rūdos telkinys; mineralų sankaupa turtinga ir pakankamai didelė, kad ją būtų galima eksploatuoti) yra paslėpta po šimtų kvadratinių kilometrų plotu, o mes jį „matome“ tik su retais gręžiniais, geofiziniais šešėliais ir paviršiaus žymenimis. Štai kodėl mineralų žvalgymas yra viena įdomiausių, bet ir pavojingiausių dirbtinio intelekto taikymo sričių: tinkamai naudojant ji pagreitina žvalgymo taikymą ir išgauna daugiau prasmės iš negausių duomenų; Kai naudojamas neteisingai, jis slepia neegzistuojančią medžiagą už statistikos ir klaidina tiek investuotojus, tiek visuomenę.
Šiame skyriuje apžvelgsime du pagrindinius dirbtinio intelekto tyrinėjimo aspektus: taikymą į žvalgybą (naudingųjų iškasenų perspektyva; iš daugiasluoksnių duomenų įvertinimas, kurioje srityje gali būti telkinys) ir išteklių įvertinimą (skaičiuojant, kokiu pasitikėjimu galime pasakyti, kiek metalo yra gręžtiniame telkinyje). Abiejuose AI yra galingas šablonų ieškiklis; Tačiau abiem atvejais už galutinį skaičių atsako kompetentingas asmuo, pasirašęs tarptautinius atskaitomybės standartus.
Paieškos taikymas: kelių sluoksnių duomenų sintezė
Žvalgymasis geologas žiūri ne į vieno tipo duomenis, o į perdengtus sluoksnius: geologinį žemėlapį, struktūrinius kontūrus (gedimus ir klostes), geofiziką (magnetinę, gravitaciją, savitumą), geochemiją (dirvožemio ir upelio mėginių elementų vertes) ir nuotoliniu būdu užfiksuotus pokyčius. Kiekvienas sluoksnis yra silpnas užuomina; Tikrasis signalas yra ten, kur jie nurodo kartu. Tai vadinama duomenų suliejimu.
Dirbtinis intelektas čia atlieka du darbus. Pirma, jis sulygiuoja dešimtis sluoksnių į tą patį koordinačių tinklelį (yra išskirtinė, varginanti, tačiau klaidų reikalaujanti užduotis) į vieną analizės lentelę. Antra, jis sužino apie žinomų telkinių modelį ir pažymi naujas sritis panašiu parašu (mokymasis prižiūrimas). Tačiau čia yra kritinės spąstai: žinomų lovų skaičius dažnai yra labai mažas (galbūt 5-10 lovų vienoje srityje), todėl modelis lengvai įsimena ir sugenda naujose srityse. Štai kodėl taikymo išvestis yra ne sąrašas „tikras brangakmenis“, o „prioritetinė tvarka, kurią verta išbandyti gręžiant“.
Veiksmai paprastai yra tokie: (1) sulygiuokite ir išvalykite sluoksnius, (2) paverskite kiekvieną sluoksnį reikšmingu žetonu, pagrįstu lovos modeliu (pvz., „atstumas iki gedimo sankirtos“, „magnetinis aukštas kraštas“), (3) treniruokitės su žinomomis lovomis arba svoriu pagal ekspertų taisyklę, (4) sudarykite tikimybių žemėlapį, (5) patikrinkite didžiausios tikimybės sritis lauke ir nebrangiais metodais.
Patarimas: užuot įdėję į modelį neapdorotus sluoksnius, išveskite geologiškai reikšmingus žymenis („magnetinis žiedas + argilinis pakitimas + porfyro vario gedimo sankirta“). Rodikliai, suderinami su guolių modeliu, sukuria daug patikimesnius taikinius nei akloji statistika.
Geostatistika ir išteklių įvertinimas: Variograma, Kriging ir Block Model
Suradus ir išgręžus telkinį, pasikeičia klausimas: „Kiek čia metalo ir kiek juo galime pasitikėti? Norint atsakyti, reikia ekstrapoliuoti nuo paimtų gręžimo taškų iki neatrinktų uolienų tūrio. Standartinis įrankis tam yra geostatistika.
Pagrindinė koncepcija yra variograma: erdvinio tęstinumo matas, apibūdinantis, kaip pažymių panašumai mažėja, kai du pavyzdžiai tolsta vienas nuo kito. Netoliese esantys pavyzdžiai yra panašūs, tolimi – nepriklausomi; Variograma kiekybiškai įvertina šį „panašumo diapazoną“. Kriging yra svertinio vidurkio metodas, kuris naudoja šią variogramos struktūrą, kad kiekvienam neatrinktam blokui būtų suteiktas įvertinimas ir įvertinimo neapibrėžtis. Indėlis yra padalintas į blokus, kurių kraštinės matuojamos metrais (bloko modelis), kiekvienam blokui priskiriamas įvertinimas ir pasitikėjimas.
Dirbtinis intelektas čia patenka į tris taškus. Variogramos modeliavime jis siūlo alternatyvius modelius ir įvertina tinkamumą. Mašininio mokymosi metodai (pvz., atsitiktinis miškas, gradiento didinimas) gali užfiksuoti netiesinius pažymių ryšius, be krigingo. Ir tai pagreitina visos darbo eigos kodavimą, tikrinimą ir ataskaitų teikimą. Tačiau dvi geležinės taisyklės išlieka nepakitusios: įvertinimo neapibrėžtumas niekada negali būti paslėptas, o galutinius išteklius kompetentingas asmuo surūšiuoja į išmatuotas/nurodytas/išvestas klases pagal tarptautinius standartus (viešos, audituojamos išteklių/rezervų ataskaitos, pvz., JORC, NI 43-101, PERC).
Įspėjimas: mašininio mokymosi modelis gali „išlyginti“ gręžimo pertraukas, sukurdamas tęstinumą, kurio realybėje nėra. Keli aukštos kokybės egzemplioriai gali nesąžiningai praturtinti (angliškai ištepti) visą bloką. Labai svarbu apriboti dideles vertes (iš viršaus) ir kontroliuoti mėginių skaičių pagal bloką; antraip tonažas išsipūs ant popieriaus.
Trys mini dėklai: pagal numerius
1 atvejis – tikslinių prioritetų nustatymas. Tyrinėjimo komanda dirbo turėdama ribotą gręžimo biudžetą 380 km² licencijoje. Tikimybių žemėlapis, kuriame sujungti septyni geofiziniai / geocheminiai sluoksniai, tik 6% teritorijos pažymėjo kaip „didelį prioritetą“. Pirmuosius penkis pratimus komanda nukreipė į šiuos 6 %; trijuose iš jų rado reikšmingų varinių sankryžų. Kritinis taškas: žemėlapis „neįrodė“ rūdos, racionalizavo, kur sutelkti gręžimo biudžetą, ir sumažino aklųjų bandymų skaičių.
2 atvejis – ištepimo fiksavimas. Viename aukso telkinyje pirmasis bloko modelis išpūtė aplinkinius blokus dėl vieno perteklinio mėginio poveikio 78 g/t, o tai 14% pervertino išteklius. Prognozė buvo pasiekta realiame lygyje, kai QA/QC peržiūroje buvo taikoma viršutinė vertė (didelė vertė sumažinama iki statistinės ribos) ir gretimų mėginių kontrolė. Skirtumas tiesiogiai paveikė kelių milijonų dolerių investavimo sprendimą.
3 atvejis. Klasifikavimo disciplina. Geležiniame projekte modelis parodė, kad visas indėlis buvo numatytas labai patikimai; tačiau gręžimo tankis pakraščiuose buvo labai mažas. Įgaliotas asmuo iš ekonominio vertinimo pašalino negausiai paimtą tūrį, sumažindamas jo reitingą į „Nuvestą“. Taigi ataskaitoje išvengta perdėto viešai skelbiamų rezervų ir išliko atitinkanti standartą.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Išanalizuokite gręžimo išeigą ir nurodykite, kiek aukso yra telkinyje.[Tyrimo lentelė]
Galingas raginimas:
Jūsų vaidmuo: išteklių geostatistikas. PATEIKITE ŠALTINIO NUMERĮ su šiais junginio tyrimo duomenimis. Vietoje to:1) Apibendrinkite pažymių pasiskirstymą; pažymėkite galimus nuokrypius ir viršutinio pjūvio poreikį.2) Pasiūlykite, kurias variogramos kryptis reikėtų ištirti erdviniam tęstinumui.3) Nurodykite, kurios sritys gali būti priskirtos tik „Praleisti“ dėl mažo gręžimo tankio.4) Išvardykite 4 neapibrėžtumo šaltinius, galinčius turėti įtakos rezultatui.Duomenys anonimiški; jokių faktinių koordinačių/įmonės.
Galingas raginimas neleidžia modeliui sukurti vieno apgaulingo numerio ir paverčia jį asistentu, kuris sutvarko būtent tuos klausimus, kuriuos turėtų užduoti atsakingas asmuo.
Keturi kopijuojami šablonai
1) Žetonų išvedimas sluoksnių suliejimui:
Remdamiesi porfyro vario tyrimo modeliu, pasiūlykite reikšmingus žymenis iš šių sluoksnių: magnetiniai, gravitacijos, savitumo, dirvožemio geochemijos (Cu-Mo-Au), pakitimų. Kiekvienam žymekliui: nuoroda į indėlio modelį, galimą klaidinantį šaltinį ir lauko patikrinimo metodą. Tikslaus tikslo nustatymas; Nustatykite prioritetų logiką.
2) QA/QC išankstinis patikrinimas:
Patikrinkite, ar tyrimo lentelėje nėra: neigiama/neįmanoma reikšmė, ženklų dalis žemiau aptikimo ribos, vieneto neatitikimas (ppm/%/g-t), pakartotinis mėginio susitarimas, tuščiojo ir standartinio mėginio dreifas. Tiesiog surašykite problemas pagal drilling_id; įvertinimas, taisymas.
3) Variogramos aiškinimo juodraštis:
Interpretuokite eksperimentinės variogramos rezultatus: aiškia kalba paaiškinkite, ką reiškia grynuolis, diapazonas ir slenkstis; Ar yra anizotropijos požymių? Prieš krigavimą pažymėkite, kuriems sprendimams priimti reikalingas geologo patvirtinimas. Logika, o ne kodas.
4) Šaltinio klasifikavimo kontrolė:
Bloko modelyje kiekvienam blokui buvo pateikta krigingo dispersija, vertinimui naudotų mėginių skaičius ir atstumas iki artimiausio gręžinio. Pateikite PAGRINDAMĄ metą, kurie blokai geriausiai atitinka klasę Išmatuotas/Rodomas/Nuvestas pagal standartinę logiką. Galutinė klasifikacija priklauso įgaliotam asmeniui; tai pasakyti.
Metodų palyginimas
Metodas
Kas daro
stiprioji vieta
Pagrindinė rizika
Eksperto taisyklė (svertinis sluoksnis)
Rūšiuoja taikinius pagal informaciją
Veikia su mažai duomenų, skaidrus
ekspertų šališkumas
Prižiūrimas ML taikymas
Mokosi iš žinomos lovos
Užfiksuoja sudėtingą modelį
Įsiminimas keliais pavyzdžiais
krigingas
Tenoras prognozuoja su neapibrėžtumu
Standartinis, tikrinamas
Variogramos klaida, tepimas
ML įvertinimas
netiesinis ryšys
Lankstus
Gali slėpti netikrumą, perdėtą prisitaikymą
Modeliavimas (pvz., SGS)
Sukuria tikimybių scenarijus
Vizualizuoja neapibrėžtumą
Per didelis pasitikėjimas savimi, jei neteisingai interpretuojamas
Patarimas: vertindami išteklius, prašykite diapazono ir scenarijaus, o ne „vieno geriausio skaičiaus“. Trys optimistiniai / laukiami / atsargūs scenarijai suteikia daug sąžiningesnį sprendimų priėmimo pagrindą nei klaidingas tikrumas, kurį sukuria vienas skaičius.
Dažnos klaidos
- ML išmokimas įsiminti su mažai žinoma lova. Penkiais guoliais apmokytas modelis naujoje srityje yra nepatikimas; vertinkite išvestį kaip prioritetų sąrašą, o ne kaip įrodymą.
- Neribojant kraštutinių verčių. Vienintelis didelis tyrimas, jei neatliekamas pjovimas iš viršaus, nesąžiningai praturtins (ištepsi) aplinkinius blokus ir padidins talpą.
- Nepraneša apie netikrumą. Krigingo dispersijos ir klasifikacijos slėpimas bei pavienių skaičių pateikimas prieštarauja standartams ir vientisumui.
- Klasifikacijos praleidimas. Negausiai atrinktos apimties pateikimas kaip Išmatuotas kelia pavojų ekonominiam sprendimui ir visuomenės pasitikėjimui.
- Praleidžiamas QA/QC. Nė viena klasė nėra patikima be laboratorinio poslinkio stebėjimo naudojant tuščiuosius ir standartinius mėginius.
Apibendrinant
- Tyrinėjimo taikymas sukuria gręžimo prioritetą per daugiasluoksnį duomenų suliejimą; Tai neįrodo rūdos, tai sumažina aklą bandymą.
- Išteklių įvertinimas patikimai įvertina įvertinimą naudojant variogramas ir krigingą; Pagal tai sukurtas blokinis modelis.
- Mašininis mokymasis yra galingas, tačiau jis įsimena mažus pavyzdžius, ištepa nuokrypius ir gali paslėpti netikrumą.
- Galutinę suvirinimo siūlę klasifikuoja ir pasirašo įgaliotas kvalifikuotas asmuo pagal tokius standartus kaip JORC/NI 43-101.
- Reikšmė nėra viename apgaulingame skaičiuje; Neapibrėžtumas yra tikrinamas prioritetas ir klasifikacija, apie kurią sąžiningai pranešama.
Taikymo užduotis
Gaukite anoniminę junginio tyrimo lentelę (arba reprezentacines vertes). Naudodami galingą raginimą paprašykite modelio: pervertinti / sumažinti poreikį, variogramos kryptis ir mažo tankio sritis, o ne šaltinio figūrą. Tada paprašykite „šaltinio klasifikavimo valdymo“ šablono parengti juodraštį, kurie blokai pateks į kurią pasitikėjimo klasę. Galiausiai stebėkite, ar modelis bando pateikti vieną tonažo skaičių, ir vienu sakiniu parašykite, kodėl turėtumėte jį atmesti.
kontrolinis sąrašas
- [ ] Supratau, kad žvalgymo taikymas neįrodo rūdos, jis suteikia gręžimo prioritetą.
- [ ] Galiu paaiškinti, kaip variograma ir krigingas įvertina laipsnį su neapibrėžtumu.
- [ ] Pripažįstu sutepimo, viršutinio pjovimo ir pervertinimo riziką ir manau, kad kokybės užtikrinimas/kokybės kontrolė yra privaloma.
- [ ] Suprantu, kad išteklius pagal standartą klasifikuojamas kaip Išmatuotas / Nurodytas / Nurodytas ir priklauso įgaliotam asmeniui.
- [ ] Aš pasirinkau discipliną, kuri reikalauja neapibrėžtumo diapazonų ir scenarijų, o ne pavienių skaičių.