Zyski:
- Umiejętność zrozumienia modelu koncepcyjnego + sygnatury geofizycznej + logiki potwierdzania opartej na wielu metodach eksploracji zasobów i weryfikacji historycznej wyników nadziei sztucznej inteligencji ze znanymi odwiertami
- Możliwość uwzględnienia polisemii poprzez nieuwzględnienie anomalii amplitudy sejsmicznej (jasnego punktu) jako samego dowodu źródłowego, ale potwierdzenie jej za pomocą AVO i danych krzyżowych
- Umiejętność badania sprzeczności metod jako źródła informacji i pozostawienia ostatecznej decyzji dotyczącej odwiertu i inwestycji osobom mającym apetyt na ryzyko
Najbardziej widocznym celem gospodarczym geofizyki jest poszukiwanie zasobów: ropy i gazu ziemnego, minerałów metalicznych i przemysłowych, energii geotermalnej i wód gruntowych. Poszukiwania te są kosztowne i obarczone ryzykownymi decyzjami — jeden odwiert to miliony dolarów, jeden niewłaściwy cel to strata pieniędzy i czasu. Eksploracja zasobów to proces łączenia różnych metod geofizycznych w celu podjęcia opartej na prawdopodobieństwie decyzji o istnieniu, lokalizacji i wielkości zasobu. W tej części dowiesz się, w jaki sposób sztuczna inteligencja (AI) wspomaga agregację danych, ustalanie priorytetów celów i ocenę ryzyka; ale zobaczymy, dlaczego decyzji dotyczących zasobów nigdy nie można pozostawić pojedynczemu wynikowi sztucznej inteligencji.
Wspólna logika wyszukiwania
Każdy typ zasobu wykorzystuje inną fizykę, ale logika wyszukiwania jest wspólna: ustala się model koncepcyjny (hipoteza geologiczna dotycząca tego, jak zasób powstaje i gdzie będzie się gromadził), poszukiwany jest podpis geofizyczny przewidywany przez ten model i weryfikowany krzyżowo wieloma metodami. Sztuczna inteligencja jest akceleratorem na każdym ogniwie tego łańcucha — przetwarzaniu danych, wyodrębnianiu cech, łączeniu wielu metod i rankingu celów. Ale sztuczna inteligencja nie może zbudować modelu koncepcyjnego; wymaga rozumowania geologicznego.
Typowe metody według typów źródeł:
- Węglowodory (ropa/gaz): główna metoda sejsmiczna 3D; anomalie amplitudy (jasny punkt, AVO — zmiana amplitudy z przesunięciem) dla szkieletu basenu grawitacyjnego/magnetycznego.
- Górnictwo: Magnetyczne, grawitacyjne, elektromagnetyczne (EM), polaryzacja indukowana (IP — zachowanie minerałów rudnych podczas ładowania), radiometria.
- Geotermia: magnetotelluryczna (MT – strefy oporowo gorące/przepuszczalne), sejsmiczna, grawitacyjna, gradient temperatury.
- Wody gruntowe: ERT, refrakcja sejsmiczna, EM, GPR; dla granic warstwy wodonośnej (wodonośnej warstwy przepuszczalnej).
Ustalanie priorytetów celów za pomocą sztucznej inteligencji
Eksploracja polega na wybraniu najbardziej obiecujących celów dla ograniczonej liczby odwiertów spośród dużej liczby potencjalnych celów. Sztuczna inteligencja może łączyć różne warstwy danych (atrybuty sejsmiczne + grawitacja + magnetyczne + geologia) i generować wynik prospektywności dla każdego kandydata; Umożliwia to szybkie ustalanie priorytetów na dużym obszarze. Jednakże wynik ten jest sugestią prawdopodobieństwa, a nie gwarancją; a wcześniejsze odkrycia wyciągnięte przez model mogą nie mieć zastosowania w nowej dziedzinie. Wynik odczytywany jest łącznie z modelem koncepcyjnym i analizą ryzyka.
Wskazówka: pamiętaj, aby sprawdzić wynik nadziei AI za pomocą znanych poszukiwań i osuszania studni. Jeśli model nie potrafi dobrze rozróżnić wcześniejszych eksploracji, jego wynik w przypadku nowych celów również jest niewiarygodny. Dobry model powinien oceniać znane sukcesy wysoko, a znane porażki nisko.
Niepewność i ryzyko: sedno decyzji o poszukiwaniach
W przypadku poszukiwania zasobów decyzja nigdy nie brzmi „tak/nie”; Zawsze chodzi o prawdopodobieństwo i ryzyko. W przypadku węglowodorów jest to łączne prawdopodobieństwo czynników takich jak źródło/zbiornik/osłona/pułapka/czas; Jest to niepewność co do wielkości tonażu rudy w kopalni. Sztuczna inteligencja pomaga obliczyć te prawdopodobieństwa i wygenerować scenariusze, ale apetyt na ryzyko i ostateczna decyzja inwestycyjna leżą w gestii człowieka. Obowiązuje tu również polisemia geofizyki: anomalią amplitudy sejsmicznej może być gaz, ale może to być również zmiana litologiczna lub artefakt przetwarzania (węgiel, zwarty piasek itp.).
Uwaga: sama „jasna plama” (anomalia sejsmiczna o dużej amplitudzie) nie jest dowodem na obecność węglowodorów; Wiele suchych studni wierci się w jasnym miejscu. Nawet jeśli sztuczna inteligencja oznaczy to jako cel, nie przypisuj wysokiego poziomu pewności bez potwierdzenia za pomocą analizy AVO, geologii lub innej metody, jeśli to możliwe.
Integracja wielu metod
Złota zasada zaopatrzenia: żadna pojedyncza metoda nie jest wystarczająca. W przypadku obiektu geotermalnego, łącznie ocenia się niską rezystancję MT (pokrywa gliny) + grawitację + objawy sejsmiczne + objawy powierzchniowe. Sztuczna inteligencja potrafi skutecznie łączyć te warstwy we wspólną mapę prawdopodobieństwa; jednak niezbędna jest integracja ekspertów, która uwzględnia rozdzielczość, głębokość i niepewność każdej metody. Jeśli metody są sprzeczne, sprzeczność jest źródłem informacji — jest badana, a nie ukrywana.
trzy mini etui
Przypadek 1 — Kampania zapisana w wyniku testu historycznego. Firma wydobywcza wymieniła 8 celów zgodnie ze swoją mapą nadziei AI. Geofizyk przetestował model w porównaniu z 5 znanymi rudami i 12 odwiertami na sucho w okolicy; Modelka przyznała wysokie oceny 4 ćwiczeniom na sucho. Po poprawieniu atrybutów i danych treningowych mapa stała się znacznie bardziej zgodna z rzeczywistą eksploracją, a pierwsze dwa cele uległy zmianie.
Przypadek 2 — Pułapka jasnych punktów. W jednym obszarze sejsmicznym sztuczna inteligencja oznaczyła silną anomalię amplitudy jako cel gazowy. Analiza AVO wykazała, że anomalia była zgodna z ostrym kontrastem piasku i węgla, a nie gazu. Gdyby studnię wywiercono, wyschłaby; Sprawdzanie faktów przy użyciu wielu metod pozwoliło zaoszczędzić miliony dolarów.
Przypadek 3 — Zamiana sprzeczności w informację. Podczas gdy MT w polu geotermalnym wskazywała strefę przepuszczalną dla ciepła, struktura sejsmiczna była niejasna. Zamiast ukrywać sprzeczność, zespół zbadał ją; ustaliło, że rozdzielczość sejsmiczna jest niska na tej głębokości, MT była bardziej niezawodna i chroniła cel ze wskaźnikiem niepewności. Studnia potwierdziła obecność strefy przepuszczalnej.
Cztery szablony do kopiowania
1) Model koncepcyjny + mapowanie metod:
Twoja rola: geofizyk eksploracyjny. Cel: [węglowodór / miedźporfir / energia geotermalna / warstwa wodonośna]. Podaj mi streszczenie modelu koncepcyjnego tego celu (jak powstaje, gdzie się gromadzi) i zaplanuj, które metody geofizyczne będą szukać jakich sygnatur. Zapisz także niepewność każdej metody.
2) Test historyczny wyniku nadziei:
Stworzyłem mapę prospektywizmu za pomocą sztucznej inteligencji. Chciałbym porównać to ze znanymi odkryciami i suchymi studniami w regionie. Jak skonfigurować test historyczny, jakie wskaźniki mam ocenić (wysoka ocena odkryć, niska ocena) i co poprawić, jeśli model jest słaby?
3) Potwierdzenie anomalii wieloma metodami:
Mam kandydata na cel [jasny punkt / anomalia magnetyczna / niska rezystancja]. Za pomocą jakiej echoanalizy (AVO, IP, MT, geologia, inna metoda) mógłbym to potwierdzić, nie zaliczając tego wyłącznie do dowodów źródłowych? Wymień także FAŁSZYWE przyczyny (litologia, sztuczność), które mogą powodować anomalię.
4) Podsumowanie ryzyka i decyzji:
Twoja rola: doradca ds. ryzyka odkrycia. Mam ustalenia geofizyczne dotyczące celu. Poproś mnie o sporządzenie podsumowania prawdopodobieństwa/ryzyka: dowody za i przeciw, źródła niepewności, ostrzeżenie przed niejednoznacznością i uwaga, że „dobra decyzja należy do danej osoby”. Na pewno nie mów „susz/nie wierć”; Zapewnij ramy dla decyzji.
Słaba zachęta/silna zachęta
Słaba zachęta:
Spójrz na moje dane i wskaż mi najlepszą lokalizację studni.
Oczekuje precyzji jednopunktowej; ukrywa polisemię i ryzyko, czyni AI decydentem.
Potężny monit:
Twoja rola: geofizyk eksploracyjny. Kontekst: [sejsmiczne + grawitacyjne + magnetyczne, cel węglowodorowy, 2 odwierty]. Zadanie: (1) połączyć dane i uszeregować potencjalne cele według wyniku nadziei; (2) zapisz dowody przemawiające za i przeciw każdemu kandydatowi oraz powody, które mogą spowodować anomalię; (3) zalecić analizę historyczną w przypadku dołków o znanych wynikach; (4) jasno stwierdzać polisemię i niejednoznaczność. Pozostaw ostateczną decyzję dotyczącą studni człowiekowi; Nie podawaj ani jednego prawidłowego punktu.
Weryfikacja historyczna, analiza sprzeczności i żądanie niepewności sprawiły, że decyzja o poszukiwaniach stała się solidna.
Rodzaje i metody źródeł
Źródło
Główne metody
Typowy podpis
Wkład AI
węglowodór
Sejsmika 3D, AVO
Anomalia amplitudy
Atrybut, priorytetyzacja
moje
Magnetyczne, EM, IP
Korpus przewodzący/magnetyczny
łączenie danych
geotermalne
MT, sejsmiczne, grawitacyjne
Strefa niskiej rezystancji
Prędkość inwersji
wody gruntowe
ERT, refrakcja, EM
granica warstwy wodonośnej
Oznaczenie anomalii
Typowe błędy
- Korzystanie z wyniku nadziei bez weryfikacji historycznej. Model może przyznawać wysokie oceny studniom suszącym.
- Mylenie jasnej plamy z samym węglowodorem. Litologia/sztuczność również powoduje anomalie.
- Opieranie się na jednej metodzie. Decyzja źródłowa wymaga potwierdzenia wieloma metodami.
- Ukrywanie sprzeczności. Źródłem informacji jest sprzeczność metodologiczna, zbadaj ją.
- Decyzję o odwiercie pozostawiamy sztucznej inteligencji. Apetyt na ryzyko i decyzje inwestycyjne są sprawą człowieka.
Podsumowując
Poszukiwanie zasobów jest najbardziej ryzykowną i najbardziej ekonomiczną dziedziną geofizyki; Sztuczna inteligencja wnosi duży wkład w agregację danych, ustalanie priorytetów celów i obliczanie ryzyka. Jednak model pojęciowy jest wytworem ludzkiego umysłu, a każdy wynik nadziei jest sugestią prawdopodobieństwa. Niezbędne są polisemia (taka jak pułapka jasnych plam), wymóg testu historycznego i potwierdzenie wieloma metodami. Prawidłowe użycie; testowanie odwiertów o znanych wynikach, weryfikacja krzyżowa anomalii, badanie rozbieżności i pozostawienie ostatecznej decyzji dotyczącej odwiertu – wraz z apetytem na ryzyko – człowiekowi.
Zadanie aplikacji
Wybierz typ zasobu. Korzystając z szablonu „model koncepcyjny + mapowanie metod”, wywnioskowaj, jak zbudowany jest cel i które metody będą szukać jakiego podpisu. Następnie pomyśl o potencjalnej anomalii i wypisz fałszywe przyczyny oraz sposoby potwierdzenia, które mogą ją wywołać, korzystając z szablonu „Potwierdzenie anomalii wieloma metodami”. Na koniec przygotuj zarys zawierający dowody za/przeciw i niepewności, korzystając z szablonu „Podsumowanie ryzyka i decyzji”.
lista kontrolna
- [ ] Przygotowałem model koncepcyjny i mapowanie metod dla celu.
- [ ] Sprawdziłem wynik nadziei w oparciu o znane studnie.
- [ ] Wymieniłem i zweryfikowałem fałszywe przyczyny, które mogą spowodować anomalię.
- [ ] Nie ukrywałem sprzeczności w metodzie i badałem je.
- [ ] Ostateczną decyzję o odwiercie/inwestycji pozostawiłem ryzyku ludzkiemu.