Dane terenowe, dzienniki wierceń i klasyfikacja litologiczna — Sztuczna inteligencja w inżynierii geologicznej

Zyski:

Umiejętność strukturyzacji i klasyfikacji litologicznej kłód wiertniczych, opisów rdzeni i notatek terenowych za pomocą AI
Możliwość konwersji dowolnych obserwacji terenowych na standardową terminologię geologiczną i tabele
Możliwość weryfikacji interpretacji litologicznych generowanych przez sztuczną inteligencję za pomocą fotografii rdzeniowej, krzywych logarytmicznych i wiarygodności stratygraficznej

Surowcem inżynierii geologicznej są dane, a większość tych danych rodzi się nieregularnie. Podstawowe opisy przechowywane na stanowisku to dowolne teksty napisane różnymi słowami przez różnych geologów; Dzienniki kampanii wiertniczej prowadzono w różnych formatach, w różnych jednostkach, czasem ręcznie, a czasem cyfrowo; Notatki w notesie terenowym są pełne skrótów i osobistych przyzwyczajeń. W tej jednostce zajmujemy się najbardziej konkretnym i najbezpieczniejszym obszarem korzyści sztucznej inteligencji: strukturowaniem rozproszonych danych terenowych (przekładaniem ich na tabele z możliwością wyszukiwania), standaryzacją (doprowadzeniem do wspólnej terminologii) i dokonaniem wstępnej klasyfikacji litologicznej (oddzielenie rodzaju skał). Ale powiedzmy to od początku: sztuczna inteligencja porządkuje dane, inżynier zatwierdza interpretację geologiczną.

Wyjaśnijmy najpierw dwa kluczowe terminy. Dziennik odwiertu to zapis właściwości mierzonych względem głębokości studni; pomiary te mogą mieć charakter geologiczny (litologia, wietrzenie) lub geofizyczny (promieniowanie gamma, rezystywność, gęstość). Rdzeń (ang. rdzeń) to cylindryczna próbka skały wydobywana spod ziemi poprzez wiercenie; Jest to najcenniejszy dowód, pozwalający na bezpośrednią obserwację podziemia. Litologia to rodzaj i charakter fizyczny skały (takiej jak piaskowiec, wapień, łupek).

Strukturyzacja dowolnego tekstu

Geolog terenowy podaje opis: „0-3,2 m żwir brunatny, luźny, ilasty, słabo wysortowany; 3,2-7,5 m szary, średnio zwietrzały piaskowiec drobnoziarnisty z rzadkim cementem węglanowym; 7,5-12 m jasnoszary, lity, spękany wapień, żyła kalcytowa na głębokości 9 m”. To pojedyncze zdanie jest właściwie skompresowaną wersją tabeli: zakres głębokości, kolor, stopień zwietrzenia, litologia, wielkość ziarna, właściwości wtórne. Sztuczna inteligencja dekompresuje to.

Najważniejszym punktem jest to: poproś model o transformację, a nie o wnioskowanie. Innymi słowy, umieść w polach informacje wyraźnie zapisane w tekście; Nie wymyślaj tego, czego nie ma w tekście. Dla pola „stopień zwietrzenia”, jeśli geolog napisał „średnio zwietrzały”, model zapisuje to; Jeżeli geolog nie określił żadnego, w modelu należy wpisać „nieokreślony” i nie pasować do wartości. To rozróżnienie jest podstawą integralności danych.

Krok po kroku: przekształcanie podręcznika w arkusz kalkulacyjny

Najpierw definiujesz schemat. Które kolumny będą: głębokość_góry, głębokość_dna, litologia, kolor, wielkość_ziarnistości, wietrzenie, nieciągłość, minerał_wtórny, uwaga. Narzucasz schemat na model, aby dane wyjściowe były spójne.
Podaj standardowy słownik. Podaj dopuszczalne określenia litologii (piaskowiec, mułowiec, wapień, margiel, iłowiec, zlepieni...) i skalę wietrzenia (świeży, lekki, średni, wysoki, pełny). Zatem wyrażenia takie jak „trochę wyblakły” stają się standardem.
Przetwarzaj małą partię. Daj cały notatnik nie na raz, ale w partiach po 20-30 wierszy; Wcześnie wyłapujesz błędy.
Wróć do źródła i zweryfikuj. Porównaj losowe wiersze wynikowej tabeli z surowym tekstem; zwłaszcza ograniczenia głębokości i warunki litologiczne.

Klasyfikacja litologiczna: od logów do interpretacji

Sztuczna inteligencja wspiera litologię na dwa sposoby. Pierwszym z nich jest ujednolicenie definicji geologa jak powyżej. Drugą i bardziej zaawansowaną metodą jest szacowanie litologii na podstawie geofizycznych krzywych logarytmicznych. Na przykład log promieniowania gamma (naturalna radioaktywność skały) wzrasta wraz z zawartością gliny; Poziomy gliny dają wysokie wartości, czyste piaskowce i wapienie dają niskie wartości. Dodając dzienniki rezystywności i gęstości, model może sugerować granice litologiczne na podstawie wzorów krzywych.

Granica jest tutaj ważna: dzienniki są pomiarami pośrednimi. Wysoka gamma może być gliną, piaskiem bogatym w skaleń lub popiołami wulkanicznymi. Dlatego przewidywanie litologii oparte na logach jest hipotezą; Nie jest to ostateczne, chyba że jest związane z rdzeniem lub zwiercinami (odłamkami skalnymi wydobywającymi się na powierzchnię podczas wiercenia). Kiedy model narysuje granicę, zapytaj, czy na tej głębokości znajduje się rdzeń; Jeśli tak, rdzeń wygrywa.

Trzy mini etui: w liczbach

Przypadek 1 – Spójność standaryzacji. W firmie wydobywczej 6 różnych geologów użyło 11 różnych wyrażeń na określenie „zwietrzałego granitu” (zwietrzały, zmieniony, zgniły, gliniasty...). Standaryzacja wspomagana sztuczną inteligencją umieściła bazę danych zawierającą 4800 wierszy w 5-stopniowej skali dekompozycji; Następnie zapytanie „strefy średnio-wysoko segregowane” zajmowało kilka sekund, podczas gdy wcześniej zajmowało to kilka dni. Rdzeń sprawdził losowe 10% standaryzacji, zgodność była wysoka.

Przypadek 2 – Wstępny projekt korelacji logów. Korelację litologiczną przeprowadzono na podstawie kłód gamma z dwóch sąsiednich studni (odległych od siebie o 150 m). W modelu zaproponowano wstępną korelację odpowiadającą czterem typowym poziomom i oznaczono różnicę grubości na jednym poziomie jako „możliwy błąd lub klin”. Kiedy inżynier spojrzał na rdzeń zaznaczonej strefy, znalazł naprawdę mały błąd; Modelka nie dała jednoznacznej odpowiedzi, ale zwróciła uwagę we właściwe miejsce.

Przypadek 3 — Przechwytywanie sfabrykowanej granicy. W jednym odwiercie model przypisał litologię „bazaltową” do przedziału 40–45 m, dla którego nie było danych podstawowych. W regionie nie spodziewano się bazaltu; w nagraniu wystąpił jedynie wzrost gamma. Aktywowano filtr wiarygodności geologicznej, pobrano próbkę klastu z tego przedziału i stwierdzono, że poziom to mułowiec ilasty. Model błędnie zinterpretował wysoką wartość gamma.

Słaba podpowiedź/silna podpowiedź

Słaba zachęta:

Przekształć te podstawowe definicje w tabelę.[tekst]

Potężny monit:

Potężny monit narzuca jednocześnie schemat, słownik i „zakaz fabrykacji”; Dane wyjściowe są spójne i podlegają kontroli.

Cztery szablony do kopiowania

1) Standaryzacja notebooków terenowych:

Przetłumacz poniższą notatkę terenową na standardową terminologię. Otwórz skróty (np. „kamień”->„piaskowiec”), ale NIE zmieniaj treści. Oznacz wyrażenia niejednoznaczne jako „[niejednoznaczne]” i zachowaj oryginalne wyrażenie w nawiasach. Uwaga: [notatka terenowa]

2) Hipoteza litologiczna oparta na logach:

Zaproponuj możliwe granice litologiczne na podstawie następujących danych z logów (głębokość, gamma, rezystywność, gęstość). Dla każdej granicy napisz: (a) z jakiej zmiany krzywej to wynika, (b) możliwość alternatywnej litologii, (c) potrzebę weryfikacji rdzeniowej. Nie przedstawiaj żadnej granicy jako „pewnej”. Dane: [tabela logów]

3) Szkic korelacji dwóch studni:

Porównaj logi studni A i studni B. Oddzielnie wypisz pasujące poziomy, przyczynę dopasowania i niedopasowane/podejrzane strefy. Wada etykiety, erozja lub zmiana wyglądu, „należy zweryfikować”. Dane: [dwa dzienniki odwiertów]

4) Kontrola jakości danych:

Poszukaj błędów logicznych w poniższej tabeli litologicznej: nakładające się zakresy głębokości, luki, niemożliwe wyrównania, niespójności jednostek, nieautoryzowane terminy. Raportuj ustalenia w formie tabeli „numer wiersza | problem | sugestia”. NIE POPRAWIAJ danych, po prostu je zaznacz.Tabela: [tabela litologiczna]

Hierarchia dowodów uwierzytelniania

Rodzaj dowodu

bezpośredniość

niezawodność

Kiedy używać

Rdzeń (rdzeń)

najbardziej bezpośredni

najwyższy

Krytyczne granice litologii

Okruchy (krojenie)

średni

wysoki

W przypadku braku rdzenia

dziennik geofizyczny

pośredni

średni

Profil ciągły, wypełnienie szczelin

Przewidywanie modelu

pochodne

Niski (sam)

Hipoteza, przesiew

Dowolna notatka tekstowa

Zmienna

Zależy od geologa

Dodatkowy kontekst

Wskazówka: pomagając sztucznej inteligencji w znalezieniu granic litologicznych, zapytaj o „możliwą granicę i poziom ufności”, a nie „dokładną granicę”. Rdzeń daje dokładność, a nie model. Dane wyjściowe stają się wówczas narzędziem przesiewowym, a nie fałszywym roszczeniem do pewności.

Uwaga: model ma tendencję do wypełniania zakresów głębokości, których nie ma w danych, aby „nie pozostawiać luk”. Może powodować fałszywą litologię, szczególnie w strefach z utratą rdzenia. Wyraźnie zaznacz strefy strat rdzenia i poinstruuj model, aby „pozostawił puste, jeśli nie ma danych”.

Typowe błędy

Poszukiwanie wniosków, a nie transformacji. Oczekiwanie, że model „odgadnie”, czego nie ma w tekście; Otwiera to drogę do fałszywych danych. Po prostu ustrukturyzuj to, co jest napisane.
Brak standardowego słownika. Dopuszczenie swobodnej terminologii; Rezultatem jest niepodważalny, niespójny obraz.
Uznanie oszacowania dziennika za dokładne. Biorąc pod uwagę wyłącznie pomiary pośrednie (gamma, rezystywność) jako dowód litologii; Aby przesunąć granice podpisu bez wiązania ich rdzeniem/okruchami.
Aby ukryć strefy strat rdzenia. Uzupełnianie luk danych w modelu; przestrzeń musi pozostać przestrzenią.
Przetwarzanie partiami i nigdy nie sprawdzanie. Brak tłumaczenia tysięcy wierszy na raz i sprawdzanie losowych próbek.

Podsumowując

Sztuczna inteligencja zapewnia bezpieczną i wysoką efektywność strukturyzacji, standaryzacji i wstępnej klasyfikacji litologicznej rozproszonych danych terenowych.
Poproś o transformację na podstawie modelu, a nie wnioskowania; Nie wymyślaj tego, czego nie ma w tekście, napisz „nieokreślone”.
Szacunki litologiczne oparte na logach mają charakter pośredni i stanowią hipotezę; Nie można tego potwierdzić, dopóki nie zostanie połączona z próbkami rdzenia i okruchów.
Narzucasz schemat i standardowy słownik; Tylko wtedy wynik będzie spójny i możliwy do kontrolowania.
Wiercenie rdzeniowe znajduje się na szczycie hierarchii dowodów; W skrócie, samo przewidywanie modelu jest niewystarczające.

Zadanie aplikacji

Weź 15–20 wierszy z posiadanego notesu terenowego lub podstawowego opisu (anonimizuj poufne informacje z pola). Najpierw zdefiniuj własny schemat i dozwolony słownik litologii/wietrzenia, a następnie przetłumacz go na tabelę za pomocą potężnego podpowiedzi. Porównaj każdy wiersz wynikowej tabeli z nieprzetworzonym tekstem i oznacz wszystkie obszary, które model sfałszował lub umieścił w niewłaściwym miejscu; Sprawdź, czy przynajmniej jedno pole „nieokreślone” zostało poprawnie pozostawione puste.

lista kontrolna

[ ] Potrafię przekształcić obserwacje w polu tekstowym w tabelę zawierającą diagramy i standardowy słownik.
[ ] Stosuję zasadę „nieokreśloną”, że chcę transformacji z modelu i że nie dopasowuję go do czegoś, co nie istnieje.
[ ] Rozumiem, że szacunki litologiczne oparte na logach są hipotezą pośrednią i powinny być powiązane z rdzeniem.
[ ] Zaznaczam strefy utraty rdzenia i luk w danych oraz zapobiegam dopasowaniu.
[ ] Sprawdzam wyniki zgodnie z hierarchią dowodów (rdzeń > okruszek > log > model).