Zyski:
- Umiejętność konstruowania etapów geostatystycznych, takich jak składanie, wariogram i kriging z wykorzystaniem sztucznej inteligencji i założeń pytań
- Możliwość interpretacji modelu bloku, krzywej klasy-tonażu i klasyfikacji zasobów (mierzonej/wyświetlanej/wydobywanej) przy wsparciu sztucznej inteligencji
- Możliwość testowania wartości przewidywań i niepewności generowanych przez sztuczną inteligencję poprzez niezależne obliczenia, weryfikację krzyżową i ocenę wykwalifikowanej osoby (CP/QP)
Najważniejszą liczbą dla firmy wydobywczej jest to, ile i jaki gatunek rudy znajduje się pod ziemią. Ten numer; Od niego zależy decyzja inwestycyjna, wartość giełdowa, finansowanie bankowe i żywotność pieca. Ale nikt nie jest w stanie zmierzyć całej substancji jedna po drugiej; pobierane są próbki tylko z nielicznych punktów wierceń i szacowane są odstępy między nimi. Dyscyplina, która opiera te przewidywania na podstawach naukowych, nazywa się geostatystyką. Geostatystyka modeluje podobieństwo danych przestrzennych (na podstawie lokalizacji w przestrzeni) do siebie i szacuje niezmierzone punkty z marginesem niepewności. sztuczna inteligencja; Jest to potężna pomoc w części kodu, porównywaniu scenariuszy i analizie niepewności w tym procesie. Jednakże to decyzja kompetentnej osoby (osoby kompetentnej / CP w JORC, osoby wykwalifikowanej / QP w NI 43-101), który model jest ważny, które założenie jest akceptowalne i jak zasób zostanie sklasyfikowany.
Zasób i rezerwa: krytyczne rozróżnienie
Wyjaśnijmy najpierw te dwa terminy. Zasoby mineralne: ruda, którą można ekonomicznie wydobyć w oparciu o informacje geologiczne; Są one klasyfikowane jako wywnioskowane, wskazane i mierzone zgodnie z poziomem ufności. Rezerwa minerałów (rezerwa): część zasobu, którą można faktycznie wydobyć z zyskiem w drodze prac technicznych i ekonomicznych (metoda wydobycia, wydajność obiektu, koszt, cena metalu); Są one klasyfikowane jako prawdopodobne i udowodnione. Zasób ma charakter geologiczny, rezerwat ma charakter ekonomiczny. Sztuczna inteligencja może wyjaśnić te definicje, ale nie może zdecydować, do której klasy należy dana liczba; Jest to ocena kompetentnej osoby, która sprawdza gęstość danych i pewność ciągłości.
Krok po kroku: obieg geostatystyczny i miejsce AI
- Komponowanie. Doprowadzenie odstępów między testami o różnych rozmiarach do jednakowej długości (np. 1 m lub 2 m). AI: pisze kod, ustala logikę jednostkową i średnią ważoną; Kontrolujesz wynik.
- Przegląd statystyczny. Rozkład ocen, wartości odstające, ograniczenie (najwyższe: ograniczanie bardzo wysokich ocen). AI: generuje kod histogramu/statystyki podsumowującej; Decyzję o zasypaniu podejmuje geolog.
- Analiza wariogramu. Modelowanie ciągłości przestrzennej: jak podobieństwo zmniejsza się w miarę oddalania się punktów. Parametry zasięgu, progu i bryłki. AI: wyjaśnia pojęcie wariogramu, podaje szkielet kodu; Geostatystyk weryfikuje dopasowanie modelu.
- Przewidywanie (kriging/IDW/symulacja). Przypisywanie ocen do poszczególnych bloków modelu blokowego. Kriging to ważona metoda estymacji oparta na wariogramie. AI: wyjaśnia różnice w metodach, buduje kod; Ekspert wybiera parametry.
- Weryfikacja. Walidacja krzyżowa, porównanie prognoz z próbką, kontrola wizualna, kontrola wygładzania. AI: generuje wykresy walidacyjne; Ekspert komentuje.
- Klasyfikacja i raportowanie. Klasy zasobów/rezerw, krzywa gatunek-tonaż, kompatybilność JORC/UMREK. AI: projekt tekstu i tabela; Podpis należy do osoby upoważnionej.
Wskazówka: Nie każ AI mówić „ty wybierasz parametry wariogramu”. Zasięg i wpływ bryłek zależą od geologii złoża rudy; zły wybór systematycznie zwiększa lub zmniejsza rezerwę. Wykorzystaj sztuczną inteligencję jako generator kodu i scenariuszy, a decyzję zostaw geostatystykowi.
Krzywa klasa-tonaż i klasa graniczna ekonomiczna (odcięcie)
Stopień odcięcia to próg określający, czy blok jest uważany za rudę, czy za rdzę; cena metalu zależy od kosztów i wydajności instalacji. Wraz ze zmianą poziomu limitu zmienia się tonaż i średni stopień rezerwy; Zależność tę obrazuje krzywa gatunku i tonażu. Sztuczna inteligencja może napisać kod, który obliczy tę krzywą i szybko porównać scenariusze (inna granica, inna cena metalu). Jednak założenia dotyczące kosztów i ceny, na podstawie których ustalana jest granica, są decyzją ekonomiczną i są podejmowane wspólnie przez zespół techniczny i kierownictwo.
trzy mini etui
Przypadek 1 – Ograniczenie zaniedbania. W przypadku projektu złota kilka odwiertów daje wyjątkowo wysoką zawartość 120 g/t. Zespół kriguje je bez zakrywania; Średnia zawartość wynosi 2,4 g/t. Sztuczna inteligencja jest sprawdzana krzyżowo; Szacunki są w rzeczywistości zawyżone ze względu na bardzo małą liczbę odwiertów, a kilku blokom przypisuje się wyjątkowo wysokie wyniki. Po odpowiednim ograniczeniu (np. 30 g/t) średnia spada do 1,7 g/t. Różnica bezpośrednio zmienia wykonalność projektu. AI stworzyła obliczenia i wykres; Decyzję o poziomie ograniczenia podjął geostatystyk.
Przypadek 2 — Zły zakres. Jeśli zasięg wariogramu w porfirze miedzianym faktycznie wynosi 150 m, ale przyjmuje się, że model ma 400 m, rzadkie obszary wierceń wydają się zbyt „wiarygodne”, a bloki, które należy uznać za wywnioskowane, przesuną się do wskazanej klasy. Jest to wykrywane podczas audytu i znaczna część zasobu jest obniżana do niższej klasy zaufania. Sztuczna inteligencja wygenerowała kod wariogramu, ale błąd został powiększony, ponieważ zakres nie został sprawdzony przez eksperta; Lekcja jest taka, aby upewnić się, że dopasowanie modelu zostanie zweryfikowane przez eksperta.
Przypadek 3 – Prawidłowe porównanie scenariuszy. W przypadku projektu dotyczącego żelaza zespół chce zobaczyć wyniki w zakresie tonażu dla trzech różnych wartości odcięcia (20%, 25%, 30% Fe). Piszą skrypt w języku Python do sztucznej inteligencji, która wykonuje logikę masy/objętości/gęstości oraz oblicza tonaż klasy, korzystając z własnych danych modelu blokowego. Skrypt tabele 3 scenariusze w ciągu kilku sekund. Zespół ręcznie sprawdza wyniki na bloku i przystępuje do spotkania decyzyjnego z przejrzystą tabelą porównawczą. Sztuczna inteligencja przyspieszyła tutaj obliczenia iteracyjne; Dane i decyzja należały do zespołu.
Kopiowalne szablony podpowiedzi
KOD KOMPOZYCJI „Rola: Jesteś asystentem geostatystyki. Napisz w Pythonie + pandas funkcję, która konwertuje dane z testu od do interwału na STAŁE [1 m] kompozyty. Reguły: WAŻNIE uśredniaj ocenę według długości interwału; pomijaj i zgłaszaj brakujące/puste interwały; przetwarzaj oddzielnie na podstawie identyfikatora otworu. Zapisz założenie jednostki na początku z linią komentarza. Zwróć liczbę interwałów pominiętych w wyniku.
KONCEPCJA VARIOGRAMU + KOD „Co to jest wariogram: wyjaśnij pojęcia bryłki, progu i zakresu w prostym języku. Następnie oblicz wariogram eksperymentalny w jednym kierunku i przedstaw model sferyczny pasujący do kodu rangi. Dodaj OSTRZEŻENIE: zakres i bryłka muszą zostać fachowo wybrane zgodnie z geologią rudy; NIE WYBIERAJ tych wartości.
SCENARIUSZ GATUNKU-TONAŻU „Uzysk modelu bloku zawiera następujące kolumny: [x,y,z, gatunek, objętość bloku, gęstość]. Napisz skrypt, który obliczy całkowity tonaż i średnią klasę w każdym scenariuszu dla następujących wartości odcięcia [0,3; 0,4; 0,5]. Jawnie zinterpretuj założenia dotyczące gęstości i jednostki. Zwróć wynik jako tabelę porównawczą.
KOMENTARZ DOTYCZĄCY WALIDACJI KRZYŻOWEJ „Poniżej znajdują się wyniki walidacji krzyżowej Kriginga (rzeczywiste vs przewidywane). Komentarz na temat: czy występuje systematyczne odchylenie, czy przewidywania są nadmiernie wygładzane, w jakim zakresie stopni jest duże odchylenie? NIE podejmuj jednoznacznej decyzji; zasugeruj, który parametr powinien sprawdzić geostatystyk. Dane: [wklej].”
Słaba zachęta/silna zachęta
SŁABY PODSUMOWANIE: „Oblicz rezerwę na ten projekt”.
MOCNA WSKAZÓWKA: „Rola: jesteś asystentem geostatystyki. Dam ci mój własny model blokowy i parametry wariogramu. Skonfiguruj przepływ w Pythonie z zinterpretowanymi jednostkami i założeniami, który da szacunkową kriging + weryfikację krzyżową + krzywą gatunek-tonaż. WYBIERZ parametry; użyj moich. Zanotuj na końcu raportu, że wyniki powinny zostać sklasyfikowane i zatwierdzone przez wykwalifikowaną osobę (CP/QP) zgodnie z JORC/UMREK.
Tabela porównawcza: metoda i rola AI
krok
Cel
Rola sztucznej inteligencji
Opinia biegłego
Komponowanie
Równa długość podpory
Kod + kontrola
Rozmiar złożony
Zakrywanie
Limit odstający
Wykres/statystyki
Poziom czapki
wariogram
ciągłość przestrzenna
Koncepcja + kod
Wybór zakresu/samorodka
kriging
Przewidywanie bloku
Kod + strumień
Parametr + metoda
Klasyfikacja
Poziom zaufania
projekt tekstu
Wyrok JORC/UMREK
Typowe błędy
- Pomijanie capowania. Kilka bonanz zawyża średnią wartość i rezerwę.
- Posiadanie parametrów wariogramu wybranych przez AI. Zasięg/samorodek zależy od geologii; Zły wybór systematycznie zakłóca rezerwę.
- Mylenie zasobów z rezerwami. Zasób ma charakter geologiczny, rezerwat ma charakter ekonomiczny; Klasy nie są zamienne.
- Pomijam wygładzanie. Kriging może nadmiernie złagodzić tenor; Zmniejsza wysoki tenor i zwiększa niski tenor.
- Zgłaszanie klasyfikacji bez zgody kompetentnej osoby. JORC/UMREK jest ważny wyłącznie z podpisem osoby upoważnionej.
Uwaga: Numer rezerwowy jest oficjalnym oświadczeniem ujawnianym giełdzie, bankowi i inwestorowi. Żaden wynik pośredni wytworzony przez sztuczną inteligencję nie może stać się oficjalną deklaracją rezerw/zasobów bez niezależnej oceny i podpisu kompetentnej osoby (CP/QP).
Podsumowując
Geostatystyka to dyscyplina polegająca na szacowaniu całego złoża rudy z niepewnością wynikającą z rzadkich wierceń: składanie, spuszczanie, wariogram, kriging, weryfikacja i klasyfikacja. W tym strumieniu sztuczna inteligencja jest silna w kodowaniu, porównywaniu scenariuszy, obliczaniu tonażu i grafice weryfikacyjnej. Jednak parametry wariogramu, poziom ograniczenia i klasyfikacja zasobów/rezerw są decyzjami ekspertów i oficjalna deklaracja wymaga podpisu kompetentnej osoby. Zasób ma charakter geologiczny, rezerwat ma charakter ekonomiczny; Nigdy nie zacieraj tego rozróżnienia.
Zadanie aplikacji
Twórz tabele tonażu i średniej klasy dla trzech różnych wartości odcięcia, korzystając z szablonu „Scenariusz klasy tonażu” z przykładowymi (lub własnymi) złożonymi danymi dotyczącymi gatunku. Następnie poproś sztuczną inteligencję o zinterpretowanie wyniku krigingu za pomocą szablonu „Interpretacja weryfikacji krzyżowej” i wypisanie, które parametry wymagają oceny eksperta. Na koniec poproś sztuczną inteligencję, aby własnymi słowami wyjaśniła różnicę między poziomami ufności zasobów i rezerw oraz klasyfikacji i sprawdziła jej dokładność w porównaniu z oficjalną definicją kodu.
lista kontrolna
- [ ] Ustaliłem wielkość kompozytu i założenia jednostkowe, nie pozostawiłem tego AI.
- [ ] Geolog/geostatyk podjął decyzję o ograniczeniu wartości ekstremalnych.
- [ ] Przegląd ekspertów w zakresie zakresu wariogramów i wartości samorodków.
- [ ] Przetestowałem wynik Kriginga poprzez weryfikację krzyżową i kontrolę wzrokową.
- [ ] Użyłem klas zasobów i rezerw poprawnie i osobno.
- [ ] Zaznaczyłem w raporcie, że do oficjalnej deklaracji wymagana jest zgoda kompetentnej osoby (CP/QP).