Pelnas:
- Gebėjimas panaudoti AI duomenų rengimo ir kalibravimo indėlį apibūdinti vandeningąjį sluoksnį ir modeliuojant požeminio vandens srautą.
- Gebėjimas analizuoti vandens kokybės, lygio ir srauto duomenis naudojant AI ir anomalijų aptikimą
- Galimybė patikrinti modelio rezultatus naudojant masės išsaugojimą, hidraulinį patikimumą ir lauko matavimus
Požeminis vanduo yra gamtos išteklius, kurio nematome, bet priimame daugiausiai sprendimų. Kiek vandens išduoda šulinys, kiek vandens išleidžiama į kasyklą, per kiek laiko teršalas pasiekia geriamojo vandens tiekimą – visa tai priklauso nuo vandens elgsenos, nes jis lėtai juda per poras ir įtrūkimus po žeme. Hidrogeologija (mokslas apie požeminį vandenį) atkuria šį nematomą srautą iš retų stebėjimo šulinių, geologinių skerspjūvių ir fizikinių dėsnių. Dirbtinis intelektas yra galinga pagalba šiame darbe: jis išvalo netvarkingas laiko eilutes, integruoja trūkstamus duomenis, užfiksuoja anomalijas ir pagreitina modelio kalibravimą. Tačiau vienas dėsnis vyrauja visiems: masės išsaugojimas. Į sistemą patenkančio, išeinančio ir kaupiamo vandens kiekis turi būti nuoseklus; Joks protingas modelis negali pažeisti šios pusiausvyros.
Šiame skyriuje apžvelgsime tris požeminio vandens tyrimo AI aspektus: duomenų paruošimą ir anomalijų aptikimą (lygio, srauto ir kokybės eilučių apdorojimas), vandeningojo sluoksnio apibūdinimą (požeminį vandenį turinčio sluoksnio savybių numatymą) ir tėkmės modelio kalibravimą (skaitinio modelio derinimas su stebėjimu). Kiekviename žingsnyje dirbtinį intelektą naudosime ne kaip skaičiuotuvą, o kaip traukos generatorių, kurio rezultatą patikrinsite vandens balansu ir lauko matavimu.
Vandeningasis sluoksnis ir pagrindinės sąvokos
Pirmiausia susikurkime bendrą kalbą. Vandeningasis sluoksnis yra geologinis vienetas (pvz., smėlio-žvyro sluoksnis), galintis pernešti ir išleisti pakankamai vandens. Hidraulinis laidumas (K) matuoja, kaip lengvai vanduo teka per uolieną/dirvožemį; Smėliui jis paprastai būna maždaug metrų per dieną, o molio – mikroskopiškai mažas. Hidraulinė galvutė (galva) – vandens slėgio ir aukščio energija taške; vanduo visada teka iš didelės apkrovos į mažą. Sandėliavimo koeficientas parodo vandeningojo sluoksnio išleidžiamo/saugomo vandens tūrį apkrovos pokyčiui. Šie keturi dydžiai yra viso modeliavimo kertiniai akmenys.
Šias sąvokas būtina žinoti dirbant su dirbtiniu intelektu, nes kiekvienas modelio pateiktas skaičius turi tilpti į šiuos fizinius diapazonus. Smėlio vandeningojo sluoksnio K vertė svyruoja nuo kelių centimetrų iki dešimčių metrų per dieną; Jei modelis sako „3 kilometrai per dieną“, yra fizikos klaida. Tai yra hidrogeologijai būdinga inkaro pagal dydį ankstesniuose vienetuose forma.
Žingsnis po žingsnio: duomenų paruošimas, anomalija ir kalibravimas
1 veiksmas – laiko eilučių valymas. Lygių duomenys iš stebėjimo šulinių dažnai būna nereguliarūs: trūksta dienų, jutiklių praleidimai, vienetų painiava, atmosferos slėgio poveikis. AI sulygiuoja šias serijas, pažymi spragas ir aptinka galimas jutiklio klaidas (staigus šuolis, plokščia linija = užšaldytas jutiklis). Tačiau trūkstamos reikšmės „užpildymas“ ir „pažymėjimas“ yra skirtingi dalykai; Jei reikia užpildyti, metodas turi būti skaidrus ir patvirtintas geologas.
2 veiksmas – anomalijų aptikimas. Staigus vandens kokybės pasikeitimas (pvz., laidumas, nitratai, sunkusis metalas); netikėtas lygio kritimas; srauto greičio šuolis – tai tikro įvykio (užteršimo, overdrafto, nuotėkio) arba matavimo klaidos požymis. Dirbtinis intelektas reitinguoja kandidatų anomalijas; Hidrogeologas nusprendžia, kuris iš jų yra tikras.
3 žingsnis – vandeningojo sluoksnio apibūdinimas. K ir kaupimo koeficientas išgaunami iš siurbimo bandymo (vandens paėmimas iš gręžinio esant pastoviam debitui ir lygio kritimo gretimuose šuliniuose stebėjimas) duomenų. AI pagreitina kreivės pritaikymą ir alternatyvius vandeningojo sluoksnio modelius (uždarytas / laisvas / pusiau pralaidus); Tačiau pasirinkto modelio suderinamumas su lauko geologija yra žmogaus darbas.
4 veiksmas – skaitmeninio modelio kalibravimas. Baigtinio skirtumo / elemento modelis padalija vandeningąjį sluoksnį į ląsteles ir nustato vandens srautą kiekvienoje ląstelėje. Kalibravimas skirtas modelio parametrams (K pasiskirstymas, įkrovimas) sureguliuoti, kad jie būtų suderinami su stebėjimo šulinių lygiais. AI/optimizavimas pagreitina šį nustatymą; Tačiau yra pavojus: modelis gali gerai atitikti stebėjimus, bet su fiziškai neteisingais parametrais (overfit). Todėl vandens balanso kontrolė po kalibravimo yra būtina.
Patarimas: prieš priimdami sukalibruotą modelį paklauskite "ar vandens balansas išjungtas?" Klausti: bendra įvestis (maitinimas + šoninis srautas) atėmus bendrą galią (trauka + iškrovimas) plius/minus saugojimo pokytis turi būti ≈ 0. Jei jis neužsidaro, modelis yra nepatikimas, net jei jis atitinka lygius.
Trys mini dėklai: pagal numerius
1 atvejis – jutiklio derinimas. Vienas stebėjimo tinklas turėjo 18 mėnesių lygio duomenis 11 gręžinių; iš viso apie 6000 įrašų. AI maitinamas skenavimas aptiko „užšalusį jutiklį“ dviejuose šuliniuose (tiksliai tokia pati vertė 42 dienas) ir vieneto klaidą (įvestos pėdos, o ne metrai) viename šulinyje. Šios trys klaidos, kurias aptikti ranka užtruktų valandas, gali rimtai pakenkti modelio kalibravimui; Dėl ištraukimo modelis tapo patikimas dar net nesukūrus.
2 atvejis – masės balanso gaudyklė. Kasyklų vandens išleidimo modelis atitiko visus stebėjimo šulinius geriau nei 5%, o komanda ruošėsi patvirtinti modelį. Patikrinus vandens balansą nustatyta, kad bendras papildymas buvo tris kartus didesnis, nei buvo įmanoma pagal regiono kritulių duomenis; modelis buvo „nusipirkęs“ harmoniją su nefizine mityba. Parametrai buvo grąžinti į realų diapazoną ir iš naujo sukalibruoti. Tinkamas modelis nereiškia tinkamo modelio.
3 atvejis – ankstyvas užteršimo signalas. Geriamojo vandens baseino šulinio laidumo serijoje dirbtinis intelektas pažymėjo lėtą kilimą, kuris nukrypo nuo sezoninio modelio. Vietos patikrinimo metu buvo nustatytas nuotėkis iš netoliese esančios saugyklos ir buvo imtasi veiksmų, kol tarša nepasiekė gertuvės. Modelis neapsisprendė; nukreipė hidrogeologo dėmesį į tinkamą gręžinį.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Pažiūrėkite į šiuos šulinio duomenis ir pasakykite, koks yra vandeningasis sluoksnis ir kur teka vanduo. [lygio lentelė]
Galingas raginimas:
Jūsų vaidmuo: Hidrogeologo asistentas. IŠTYRĖKITE toliau pateiktą stebėjimo šulinių lygio eilutę, bet vandeningojo sluoksnio parametras PRITAIKYTAS. Atlikite šiuos veiksmus:1) Duomenų kokybė: išvardykite įtarimus dėl dingusio, užšaldyto jutiklio, vieneto/išskyros, nurodant šulinį ir datą.2) Bendra tendencija (kilimas/kritimas/sezonas) ir galimi fiziniai paaiškinimai.3) Nurodykite, kokių duomenų (siurbimo bandymo, kritulių, gravitacijos įrašo) reikia kitame žingsnyje.Fizinė interpretacija ir kalibravimas priklauso hidrogeologui; nurodykite tai.Duomenys yra anoniminiai.
Galingas raginimas suteikia modeliui duomenų valdytojo ir klausimų redaktoriaus vaidmenį; aiškiai draudžia parametrų pritaikymą.
Keturi kopijuojami šablonai
1) Lygio serijos kokybės patikrinimas:
Stebėjimo šulinio lygio eilutėje pažymėkite: trūkstamų dienų, iš eilės identiška reikšmė (užšalęs jutiklis), staigus šuolis, galima vieneto paklaida (m/pėdos/cm). Sąrašas tik su well_id ir dienų seka; užpildyti arba ištrinti reikšmes.
2) Anomalijų prioritetų nustatymas:
Išvardykite vandens kokybės eilučių pokyčius (parametras: laidumas), kurie nukrypsta nuo sezoninio modelio, pradedant nuo labiausiai tikėtino. Kiekvienam kandidatui: užsirašykite, kokios papildomos kontrolės reikia norint atskirti tikrą įvykį nuo matavimo paklaidos. Sprendimą priima hidrogeologas.
3) Vandens balanso kontrolinis sąrašas:
Išskirkite kalibruoto požeminio vandens modelio vandens balanso valdymo veiksmus: įvesties elementus, išvesties elementus, saugojimo pokyčius ir uždarymo paklaidos priėmimo ribą. Situacijų pavyzdžiai, kai modelis gali atitikti lygius, bet pažeisti pusiausvyrą.
4) Siurbimo bandymo interpretacijos projektas:
Siurblio bandymo ištraukimo laiko duomenims: apibūdinkite, kurie vandeningojo sluoksnio modeliai (neapriboti, uždari, pusiau pralaidūs) gali būti tinkami ir kaip jie susiję su vietos geologija. Nurodykite tikslų K skaičių ir saugojimą; Nurodykite pagrįstą diapazoną ir būtinas prielaidas.
Požeminio vandens duomenys ir patvirtinimo inkarai
duomenys / išvestis
AI indėlis
Pagrindinė rizika
patvirtinimo inkaras
Lygių laiko eilutės
Valymas, klaidų nustatymas
tinkantis įdaras
Neapdoroti duomenys + lauko įrašymas
vandens kokybės serija
Anomalijų rūšiavimas
Klaidingas aliarmas/praleidimas
Pakartotinis mėginys + laboratorija
siurbimo bandymas
Kreivės tvirtinimo greitis
Neteisingas vandeningojo sluoksnio modelis
geologinė harmonija
Skaitmeninio modelio kalibravimas
Parametrų optimizavimas
Pernelyg pasitempęs, nefizinis K
Vandens balansas + stebėjimo šulinys
Maitinimo/traukos įvertinimas
duomenų suliejimas
pusiausvyros pažeidimas
Kritulių / operacijos rekordas
Atsargiai: požeminio vandens modelis yra prognozė, o ne pranašystė. Rezultatai, numatantys dešimtmečius į ateitį (pvz., vandens lygis po kasyklos uždarymo), yra scenarijai, kurie turi būti atnaujinami juos matuojant. Vienos „tikros“ ateities kreivės pateikimas sukuria klaidingą pasitikėjimą, nes užgožia neapibrėžtumą.
Dažnos klaidos
- Netikrina vandens balanso. Dažniausia ir pavojingiausia klaida yra priimti modelį, kuris gerai atitinka lygius, nepatikrinus masės išsaugojimo.
- Tyliai pildo trūkstamus duomenis. Jei dirbtinio intelekto sukurtos „užpildymo“ vertės klaidingai painiojamos su tikrais matavimais, kalibravimas yra ant silpno pagrindo.
- Parametrų, viršijančių fizinį diapazoną, priėmimas. Toleruoti nerealias K arba maistines vertes, kad būtų laikomasi reikalavimų.
- Automatiškai anomalija laikoma tikra. Ne kiekvienas nukrypimas yra užteršimas; Matavimo paklaidos galimybė pašalinama atliekant lauko ir kartotinį mėginių ėmimą.
- Neapibrėžtumo sumažinimas iki vienos kreivės. Pateikti ilgalaikes prognozes kaip galutinius rezultatus, o ne kaip scenarijus.
Apibendrinant
- Hidrogeologija sukuria nematomą srautą iš retų stebėjimų; Kiekviena dirbtinio intelekto išvestis yra išbandoma dėl masės išsaugojimo (vandens balanso).
- AI yra galingas valymo lygio / kokybės serijose, anomalijų aptikimo ir kalibravimo pagreitinimo srityse; neturėtų atitikti parametrų.
- Net jei modelis gerai atitinka stebėjimus, jis gali būti netikslus su nefiziniais parametrais (overfit); Vandens balanso kontrolė yra privaloma.
- Kiekvienas skaičius turi tilpti į fizinį diapazoną (K smėliui ≈ metrai per dieną); Inkaro dydžio tvarka taip pat taikoma hidrogeologijoje.
- Modelis yra numatymas; Ilgalaikiai rezultatai pateikiami kaip scenarijai su neapibrėžtumu ir atnaujinami juos matuojant.
Taikymo užduotis
Gaukite anoniminę stebėjimo šulinio lygio eilutę (arba reprezentatyvius duomenis). Leiskite modeliui rasti duomenų klaidų naudodami šabloną „Lygio serijos kokybės patikra“; Pridėkite bent vieną, įtariamą, užšalusį jutiklį arba įrenginį ir patikrinkite, ar jis jį užfiksuoja. Tada paleiskite kalibruoto modelio scenarijaus „vandens balanso kontrolinio sąrašo“ šabloną ir su pavyzdžiu parašykite, kaip modelis gali pažeisti balansą, net jei jis atitinka lygius.
kontrolinis sąrašas
- [ ] Žinau vandeningojo sluoksnio, hidraulinio laidumo, aukščio ir saugyklos sąvokas ir tipinius diapazonus.
- [ ] Įgijau refleksą patikrinti požeminio vandens išeigą su masės išsaugojimu (vandens balansu).
- [ ] DI naudoju duomenims valyti ir anomalijų rūšiavimui, o parametrų sprendimą palieku hidrogeologui.
- [ ] Pripažindamas permontavimo riziką, nemanau, kad tinkamas modelis yra tinkamas.
- [ ] Pateikiu ilgalaikius modelio rezultatus kaip scenarijus su neapibrėžtumu.