Zyski:
- Możliwość czyszczenia dziennika wierceń, litologii i danych o gatunku przy wsparciu AI oraz wykrywanie niespójności i błędów kodowania
- Możliwość dokładnego pozycjonowania sztucznej inteligencji jako generatora wstępnej klasyfikacji i hipotez podczas interpretacji fotografii rdzeniowej i obserwacji geologicznych
- Możliwość wzajemnej weryfikacji interpretacji litologii/zmian wywnioskowanej przez sztuczną inteligencję z obserwacjami geologicznymi i analizą laboratoryjną
Podstawą każdego projektu wydobywczego są próbki pobrane spod ziemi. Najważniejszym z tych przykładów jest rdzeń wiertniczy (ciągła próbka, którą wiertnica wydobywa ze skały w kształcie cylindrycznym). Geolog bada rdzeń; Rejestruje typ skały (litologię), strukturę, zmiany (zmiany skały pod wpływem gorącej wody i efektów chemicznych) i mineralizację, a także analizuje próbki laboratoryjne pod kątem klasy. Rezultatem jest ogromna tabela zapisywana metr po metrze, zwana dziennikiem wierceń. W jednym projekcie mogą być setki wierceń i dziesiątki tysięcy linii. Oczyszczenie tych danych, połączenie ich, wyłapanie niespójności i wydobycie wstępnych interpretacji; To obszar, w którym sztuczna inteligencja naprawdę przyspiesza, ale każdy krok trzeba weryfikować okiem geologa. W tym module dowiesz się, jak czyścić dane wiertnicze/geologiczne za pomocą sztucznej inteligencji, jak wstępnie interpretować obraz rdzenia i jak weryfikować wyniki.
Anatomia tabel danych wiertniczych
Zestaw danych wiertniczych składa się zazwyczaj z czterech tabel, a ich prawidłowe połączenie to połowa sukcesu:
- Kołnierz: Współrzędne początkowe (X, Y, Z) i całkowita głębokość każdego odwiertu.
- Pomiar (odchylenie): Zmiana nachylenia (zapadu) i kierunku (azymutu) wiercenia wzdłuż głębokości. Wiercenie nigdy nie przebiega idealnie prosto.
- Litologia: Rodzaj skał i obserwacje geologiczne w całym zakresie głębokości (od-do).
- Oznaczenie: Wyniki laboratoryjne w całym zakresie głębokości (np. Au g/t, Cu %).
Tabele te muszą być zgodne z regułami takimi jak od < do, zakresy nie mogą się pokrywać, a kody muszą być spójne. W rzeczywistości w ręcznie wprowadzanych danych zawsze występują błędy: brakujący zakres, nakładający się zakres, pomieszanie jednostek (mieszanie ppm i %), różna pisownia kodu litologicznego (GRN, Grn, granit), kody takie jak 999 lub -9 zamiast wartości zerowej. Sztuczna inteligencja ma ogromną moc w skanowaniu i sygnalizowaniu takich niespójności; Ale musisz dokonać korekty za zgodą geologa.
Krok po kroku: wiercenie w czyszczeniu danych za pomocą AI
- Przedstaw dane. Podaj AI nazwy kolumn, jednostki i kilka przykładowych wierszy (anonimizując rzeczywiste współrzędne). Opisz jasno, co powinno się wydarzyć.
- Zrób listę zasad. Poproś sztuczną inteligencję o listę „jakie zasady spójności powinienem sprawdzić dla tej tabeli”, dodaj na górze własne reguły.
- Zleć wykonanie skanowania niespójności. Po prostu poproś sztuczną inteligencję o flagowanie, a nie o autokorektę. Poproś o uzasadnienie każdego znaku.
- Wróć do surowego źródła. Sprawdź każdą zaznaczoną linię z oryginalnym dziennikiem odwiertu lub certyfikatem laboratoryjnym.
- Podejmij decyzję, aby to naprawić. Geolog dokonuje korekty; AI po prostu sugeruje.
Wskazówka: nie mów AI „daj mi poprawioną tabelę”; Powiedz „oznacz podejrzane linie z rozsądkiem”. W tabeli autokorekty prawie niemożliwe jest zauważenie wierszy, które są dyskretnie uszkodzone.
Podstawowe zdjęcie i interpretacja wizualna
W nowoczesnych projektach rdzeniówki są fotografowane. Wielomodelowe narzędzia AI (modele, które mogą również przetwarzać obrazy) mogą uzyskać wstępną interpretację tych zdjęć: zmiana koloru, możliwa gęstość pęknięć, obecność żył, możliwe strefy zmian. Jest to cenne jako wstępna kontrola, która mówi geologowi: „przyjrzyj się tutaj uważnie”. Jednak decyzje dotyczące litologii i zmian nigdy nie są podejmowane na podstawie zdjęć; Wymagane jest ręczne badanie rdzenia, próba twardości, reakcja kwasowa i analiza laboratoryjna. Poważnym błędem AI jest wnioskowanie „jest złoto” na podstawie koloru; Złoto jest często niewidoczne gołym okiem i można je zidentyfikować jedynie poprzez analizę.
trzy mini etui
Przypadek 1 — Wychwytywanie zakłóceń jednostki. W projekcie tabela testów zawiera 12 000 wierszy. Geolog wprowadza tabelę do AI i mówi: „Wypisz wiersze z wartościami powyżej 100 g/t w kolumnie Au; mogą to być albo rzeczywista zawartość wysokiej jakości, albo mieszanka ppm/ppb”. AI zaznacza 37 linii. Geolog przegląda świadectwa laboratoryjne; Odkrywa, że 34 w rzeczywistości wprowadzono jako ppb (jeden na miliard), ale błędnie uznano je za g/t, podczas gdy 3 to prawdziwa bonanza (bardzo wysoka ocena). Jeżeli te 34 linie nie zostaną poprawione, średnia ocena zostanie sztucznie zawyżona, a zaliczka zawyżona.
Przypadek 2 — nakładający się zakres. W tabeli litologicznej niektóre przedziały od-do pokrywają się: jednocześnie określa się 45,0-52,0 m granitu i 50,0-58,0 m łupków. AI wyświetla listę tych nakładających się linii i pokazuje w sumie 19 linii nakładających się. Geolog zwraca się do surowej kłody; znajduje i koryguje przesunięcie linii we wprowadzanych danych. Jeżeli nakładające się odstępy nie zostałyby skorygowane, nie byłoby jasne, jaki rodzaj skały zostałby przypisany do modelu blokowego, a tonaż zostałby obliczony nieprawidłowo.
Przypadek 3 — Nieprawidłowe wnioski wizualne (ostrzeżenie). Stażysta przekazuje sztucznej inteligencji zdjęcie rdzenia i pyta: „Czy w tej strefie jest jakaś ruda?” AI widzi zaczerwienienie i żyły i mówi „możliwa mineralizacja jest wysoka”. Stażysta przetwarza to na kłodę jako „zmineralizowane”. Natomiast zaczerwienienie jest plamą tlenku żelaza i nie zawiera rudy ekonomicznej; Analiza laboratoryjna stwierdza, że stopień jest na poziomie śladowym. Lekcja: na podstawie obrazu nie można określić gatunku/rudy; Dane wyjściowe AI to tylko znak „zbadaj”, zweryfikowany poprzez analizę.
Kopiowalne szablony podpowiedzi
SKANOWANIE SPÓJNOŚCI DANYCH WIERTŁA „Rola: Jesteś asystentem geologa zasobów/bazy danych. Poniżej znajduje się tabela [litologia/oznaczenie] oddzielona od-do. Kolumny: [lista z jednostkami]. Zaznacz następujące niespójności numerem WIERSZA i przyczyną: od>=do, nakładający się zakres, luka, podejrzenie pomieszania jednostek, inna pisownia powtarzającego się kodu, wartość ujemna/odstająca, kod zamiast pustego (999/-9). NIE WOLNO POPRAWNIE, po prostu zaznacz tabelę: [wklej].”
STANDARYZACJA KODU LITOLOGICZNEGO "Poniższe kody litologiczne zostały wpisane ręcznie i są niespójne. Pogrupuj różne pisownie tego samego rodzaju skały (np. GRN/Grn/granit). Napisz jeden zalecany standardowy kod dla każdej grupy. W tabeli: [oryginalne kody] -> [zalecany standard]. Zaznacz osobno grupy, których nie jesteś pewien; pozwól mi zdecydować. Kody: [wklej]."
WSTĘPNE SKANOWANIE ZDJĘCIA PODSTAWOWEGO „Wymień cechy wizualne, które powinienem zauważyć na tym zdjęciu głównym: strefy zmiany koloru, możliwa gęstość spękań/gęstość pęknięć, widoczna żyła, możliwy znak zmiany. Zapisz to jako HIPOTEZĘ; NIE decyduj o rodzaju ani gatunku skały. Dla każdej cechy wskaż, co geolog powinien sprawdzić w terenie”.
STRESZCZENIE DZIENNIKA GEOLOGICZNEGO „Poniższy tekst jest dziennikiem geologicznym wierceń. Należy go przekształcić w ustrukturyzowane streszczenie z następującymi nagłówkami: dominujące litologie i zakresy głębokości, strefy zmian, uwagi strukturalne (uskoki/pęknięcia), obserwacje mineralizacji. Nie dodawaj niczego, czego NIE ma w tekście; niejednoznaczne wyrażenia oznacz jako „niejasne”. Log: [wklej].”
Słaba zachęta/silna zachęta
SŁABY PODPOWIEDŹ: „Popraw dane dotyczące wierceń”.
MOCNA WSKAZÓWKA: „Rola: jesteś asystentem geologa bazy danych. W poniższej tabeli testów oznacz TYLKO podejrzane wiersze (od>= do, ppm/% podejrzenia zafałszowania, wartość ujemna, 999 zamiast pustego). Podaj numer wiersza + powód dla każdej flagi. NIE dokonuj autokorekty; sprawdzę poprawkę na podstawie surowego certyfikatu. Kolumny: HoleID, From(m), To(m), Au(g/t). Tabela: [wklej].
Słaby monit mówi AI „decydujesz i zmieniasz”; Potężny monit ogranicza sztuczną inteligencję do znakowania, pozostawiając uprawnienia do poprawiania geologowi.
Tabela porównawcza: Jak wykorzystać sztuczną inteligencję w jakim biznesie
Zadanie
Rola sztucznej inteligencji
czyja decyzja
weryfikacja
Oznaczenie niezgodności
Potężna przeglądarka
poprawki geologa
Surowy dziennik/certyfikat
Łączenie kodów litologicznych
Sugestia
Geolog potwierdza
Słownik kodowy
Główny komentarz do zdjęcia
Wstępna selekcja/hipoteza
Geolog/laboratorium
Kontrola ręczna + analiza
Decyzja dotycząca gatunku/rudy
Nie używany
laboratorium
Akredytowana analiza
Podsumuj tekst dziennika
konfigurator
geolog
Porównanie z tekstem oryginalnym
Typowe błędy
- Posiadanie przez sztuczną inteligencję „autokorekty” tabeli. Możesz nie zauważyć cichych zniekształceń; po prostu to zaznacz.
- Ekstrakcja gatunku/rudy ze zdjęcia rdzenia. Złoto jest często niewidoczne gołym okiem; Decyzja należy do Twojej analizy.
- Wklejanie prawdziwych współrzędnych bez anonimizacji. Licencja i współrzędne to dane wrażliwe.
- Nie porównuję podsumowania AI z oryginalnym logiem. Sztuczna inteligencja może dodać obserwację, której nie ma w tekście (halucynacja).
- Ignorowanie niedopasowania jednostek. Mieszanie ppm/%/g/t/ppb bezpośrednio zakłóca rezerwę.
Uwaga: Błąd jednostkowy w danych wierceń nie występuje w jednej linii; Komponowanie rośnie i rozprzestrzenia się w całej prognozie i rezerwie. Staranność w fazie czyszczenia decyduje o wiarygodności wszystkich kolejnych rachunków.
Podsumowując
Dane wiertnicze/geologiczne składają się z czterech głównych tabel (kołnierz, badanie, litologia, analiza), a zasady spójności są tu niezbędne. Sztuczna inteligencja jest potężną pomocą w skanowaniu niespójności danych, standaryzacji kodu, podsumowywaniu logów i wstępnym skanowaniu zdjęć rdzenia. Jednakże decyzja o korekcie należy do geologa, a decyzja o gatunku/rudzie należy do laboratorium. Nie edytuj oceny AI, sprawdzaj każdą ocenę na podstawie surowego źródła i nigdy nie wnioskuj oceny z obrazu.
Zadanie aplikacji
Anonimizuj posiadaną tabelę testów (lub próbkę) i przekaż ją sztucznej inteligencji za pomocą szablonu „Skanowanie spójności danych wiertniczych”. Zaimportuj zaznaczone wiersze do tabeli; Dla każdego z nich rozważ uwagę „do sprawdzenia z surowego źródła”. Następnie utwórz słownik kodów z szablonem „Standardyzacja kodu litologicznego” i osobno zanotuj grupy, których sztuczna inteligencja nie jest pewna. Na koniec zeskanuj wstępnie zdjęcie główne i zapisz, co będziesz sprawdzał w polu dla każdej pojawiającej się hipotezy.
lista kontrolna
- [ ] Zanonimizowałem rzeczywiste współrzędne/informacje o licencji przed przekazaniem danych AI.
- [ ] Poprosiłem AI o uzasadnione oznaczenie, a nie sprostowanie.
- [ ] Sprawdziłem każdą zaznaczoną linię w stosunku do certyfikatu surowego dziennika/laboratorium.
- [ ] Sprawdziłem także zgodność objętościową (g/t, %, ppm, ppb).
- [ ] Potraktowałem podstawowy wynik fotograficzny jako hipotezę, nie podjąłem decyzji o ocenie.
- [ ] Porównałem podsumowanie AI z oryginalnym tekstem dziennika, aby sprawdzić, czy nie dodano żadnych informacji.