ඒකක
1. පතල් ඉංජිනේරු විද්‍යාවේ කෘත්‍රිම බුද්ධිය හැඳින්වීම: සීමා, වලංගුකරණය, වගකීම සහ ආචාර ධර්ම 2. කෘත්‍රිම බුද්ධියෙන් භූ විද්‍යාව අර්ථකථනය කිරීම සහ දත්ත කැණීම 3. සංචිත/සම්පත් ඇස්තමේන්තු සහ භූ සංඛ්‍යාලේඛන 4. විවෘත වළේ සහ භූගත සැලසුම්කරණයේ ප්‍රශස්තකරණය 5. නිෂ්පාදනය, බලඇණිය/උපකරණ දත්ත සහ අනාවැකි නඩත්තු කිරීම 6. විදුම්-පිපිරවීම සහ ඛණ්ඩනය ප්රශස්තකරණය 7. ඛනිජ සැකසුම්, ප්‍රතිලාභ සහ ක්‍රියාවලි ප්‍රශස්තකරණය 8. වෘත්තීය ආරක්ෂාව සහ අවදානම් කළමනාකරණය පිළිබඳ කෘතිම බුද්ධිය 9. භූ තාක්ෂණ: බෑවුම් ස්ථායීතාවය සහ අධීක්ෂණ දත්ත 10. පාරිසරික අධීක්ෂණය සහ තිරසාර බව 11. නියාමන, අනුකූලතා සහ වාර්තා කිරීමේ ප්‍රමිතීන් සත්‍යාපනය කිරීම 12. පයිතන් සහ AI හි මායිම් සමඟ පතල් දත්ත විශ්ලේෂණය
ඒකකය 3 / 12

සංචිත/සම්පත් ඇස්තමේන්තු සහ භූ සංඛ්‍යාලේඛන

ලාභ:

  • AI සහ ප්‍රශ්න උපකල්පන සමඟ සංයුක්ත කිරීම, variogram සහ kriging වැනි භූ-ස්ථිතික පියවර ගොඩනැගීමේ හැකියාව
  • AI සහාය ඇතිව බ්ලොක් මාදිලිය, ශ්‍රේණියේ-ටොන් වක්‍රය සහ සම්පත් වර්ගීකරණය (මිණුම්/දර්ශණය/උපුටා ගැනීම) අර්ථකථනය කිරීමේ හැකියාව
  • ස්වාධීන ගණනය කිරීම්, හරස් වලංගුකරණය සහ සුදුසුකම් ලත් පුද්ගල (CP/QP) විනිශ්චය හරහා AI විසින් නිෂ්පාදනය කරන ලද අනාවැකි සහ අවිනිශ්චිත අගයන් පරීක්ෂා කිරීමේ හැකියාව

පතල් සමාගමකට වඩාත්ම තීරණාත්මක අංකය වන්නේ යපස් කොපමණ සහ කුමන ශ්‍රේණියේ භූගතද යන්නයි. මෙම අංකය; එය ආයෝජන තීරණය, කොටස් වෙළෙඳපොළ වටිනාකම, බැංකු මූල්‍යකරණය සහ උදුනේ ආයු කාලය තීරණය කරයි. එහෙත් කිසිවකුට සියලු ද්‍රව්‍ය එකින් එක මැනිය නොහැක; විරල විදුම් ස්ථාන පමණක් සාම්පල ලබා ගන්නා අතර පරතරයන් ඇස්තමේන්තු කර ඇත. මෙම අනාවැකිය විද්‍යාත්මක පදනමක් මත තබන විනය භූ ස්ථායික විද්‍යාව ලෙස හැඳින්වේ. භූ සංඛ්‍යාලේඛන දත්ත එකිනෙකට සමාන අවකාශීය (අභ්‍යවකාශයේ පිහිටීම මත පදනම්ව) සහ අවිනිශ්චිතතාවයේ ආන්තිකයක් සමඟ මැනිය නොහැකි ලකුණු ඇස්තමේන්තු කරයි. AI; එය මෙම ක්‍රියාවලියේ කේතය, අවස්ථා සංසන්දනය සහ අවිනිශ්චිතතා විශ්ලේෂණ කොටස් සඳහා ප්‍රබල ආධාරකයකි. කෙසේ වෙතත්, එය වලංගු පුද්ගලයාගේ (JORC හි සුදුසුකම් ලත් පුද්ගලයා / CP, NI 43-101 හි සුදුසුකම් ලත් පුද්ගලයා / QP) කුමන ආකෘතිය වලංගුද, කුමන උපකල්පනය පිළිගත හැකිද සහ සම්පත වර්ගීකරණය කරන්නේ කෙසේද යන්න තීරණය වේ.

සම්පත් සහ සංචිත: තීරණාත්මක වෙනස

අපි මුලින්ම පද දෙක පැහැදිලි කර ගනිමු. ඛනිජ සම්පත්: භූ විද්‍යාත්මක තොරතුරු මත ආර්ථික වශයෙන් නිස්සාරණය කළ හැකි ලෝපස්; විශ්වාස මට්ටම අනුව ඒවා අනුමාන, ඇඟවුම් සහ මනින ලෙස වර්ගීකරණය කර ඇත. ඛනිජ සංචිතය (සංචිතය): තාක්ෂණික හා ආර්ථික කටයුතු (පතල් කැණීමේ ක්‍රමය, පහසුකම් කාර්යක්ෂමතාව, පිරිවැය, ලෝහ මිල) හරහා සැබවින්ම ලාභදායී ලෙස ලබා ගත හැකි සම්පතේ කොටස; ඒවා සම්භාවිතාව සහ ඔප්පු කළ හැකි ලෙස වර්ගීකරණය කර ඇත. සම්පත භූගෝලීය ය, රක්ෂිතය ආර්ථික ය. AI හට මෙම නිර්වචන පැහැදිලි කළ හැක, නමුත් එයට අංකයක් වැටෙන්නේ කුමන පන්තියටද යන්න තීරණය කළ නොහැක; දත්ත ඝනත්වය සහ අඛණ්ඩ විශ්වාසය දෙස බලන දක්ෂ පුද්ගලයාගේ විනිශ්චය මෙයයි.

පියවරෙන් පියවර: භූ සංඛ්යානමය කාර්ය ප්රවාහය සහ AI ස්ථානය

  1. සංයුක්ත කිරීම. විවිධ ප්‍රමාණයේ විශ්ලේෂණ කාල පරතරයන් සමාන දිගකට ගෙන ඒම (උදා: 1 m හෝ 2 m). AI: කේතය ලියයි, ඒකක සහ බරිත සාමාන්‍ය තර්කනය ස්ථාපිත කරයි; ඔබ ප්රතිඵලය පාලනය කරයි.
  2. සංඛ්යාන සමාලෝචනය. ශ්‍රේණි බෙදා හැරීම, පිටස්තර, ආවරණ (ඉහළ කප්පාදුව: අතිශය ඉහළ ශ්‍රේණි සීමා කිරීම). AI: හිස්ටෝග්‍රෑම්/සාරාංශ සංඛ්‍යාලේඛන කේතය ජනනය කරයි; භූ විද්‍යාඥයා සීමා නිර්ණය තීරණය කරයි.
  3. Variogram විශ්ලේෂණය. අවකාශීය අඛණ්ඩතාව ආදර්ශනය කිරීම: ලක්ෂ්‍ය තවදුරටත් දුරස් වන විට සමානතාව අඩු වන ආකාරය. පරාසය, සිල් සහ නුගට් පරාමිතීන්. AI: variogram සංකල්පය පැහැදිලි කරයි, කේත ඇටසැකිල්ලක් ලබා දෙයි; භූ විද්‍යාඥයා ආකෘතිය යෝග්‍යතාවය තහවුරු කරයි.
  4. අනාවැකිය (kriging/IDW/simulation). බ්ලොක් මාදිලියේ එක් එක් බ්ලොක් සඳහා ශ්රේණි පැවරීම. ක්‍රිජිං යනු variogram මත පදනම් වූ බර සහිත ඇස්තමේන්තු ක්රමයකි. AI: ක්‍රම වෙනස්කම් පැහැදිලි කරයි, කේතය ගොඩනඟයි; විශේෂඥයා පරාමිතීන් තෝරා ගනී.
  5. සත්යාපනය. හරස් වලංගුකරණය, පුරෝකථනය-නියැදි සංසන්දනය, දෘශ්‍ය පරීක්ෂාව, සුමට පාලනය. AI: වලංගුකරණ ප්‍රස්ථාර ජනනය කරයි; විශේෂඥයා අදහස් දක්වයි.
  6. වර්ගීකරණය සහ වාර්තා කිරීම. සම්පත්/සංචිත පන්ති, ශ්‍රේණියේ-ටොන් වක්‍රය, JORC/UMREK ගැළපුම. AI: කෙටුම්පත් පෙළ සහ වගුව; අත්සන බලයලත් පුද්ගලයා සතුය.
ඉඟිය: "ඔබ variogram පරාමිතීන් තෝරන්න" යැයි AI පවසන්න එපා. පරාසය සහ නුගට් බලපෑම ලෝපස් සිරුරේ භූ විද්යාව මත රඳා පවතී; වැරදි තේරීම ක්‍රමානුකූලව සංචිතය පිම්බීම හෝ හැකිලීම සිදු කරයි. කේත සහ අවස්ථා උත්පාදකයක් ලෙස AI භාවිතා කරන්න, තීරණය භූ විද්‍යාඥයාට භාර දෙන්න.

ශ්‍රේණි-ටොන් වක්‍රය සහ ආර්ථික සීමාව ශ්‍රේණිය (කපා හැරීම)

කපා හැරීමේ ශ්‍රේණිය යනු බ්ලොක් එකක් ලෝපස් හෝ මලකඩ ලෙස සලකනු ලබන්නේද යන්න තීරණය කරන එළිපත්තයි; ලෝහ මිල පිරිවැය සහ ශාක කාර්යක්ෂමතාව මත රඳා පවතී. සීමා ශ්‍රේණිය වෙනස් වන විට, රක්ෂිතයේ ටොන් ප්‍රමාණය සහ සාමාන්‍ය ශ්‍රේණිය වෙනස් වේ; මෙම සම්බන්ධතාවය ශ්‍රේණියේ-ටොන් වක්‍රය මගින් පෙන්වයි. AI හට මෙම වක්‍රය ගණනය කරන සහ ඉක්මනින් අවස්ථා සංසන්දනය කරන කේතය ලිවිය හැක (විවිධ කැපුම්, විවිධ ලෝහ මිල). නමුත් කප්පාදුව තීරණය කරනු ලබන පිරිවැය සහ මිල උපකල්පනය ආර්ථික තීරණයක් වන අතර එය තාක්ෂණික කණ්ඩායම සහ කළමනාකාරිත්වය විසින් එකට ගනු ලැබේ.

කුඩා නඩු තුනක්

නඩුව 1 - නොසැලකිලිමත්කම ආවරණය කිරීම. රන් ව්‍යාපෘතියකදී, විදුම් කිහිපයක් 120 g/t හි සුවිශේෂී ඉහළ ශ්‍රේණි ලබා දෙයි. කණ්ඩායම තොප්පියකින් තොරව ඔවුන්ව ක්‍රිග් කරයි; සාමාන්ය ශ්රේණිය 2.4 g/t වේ. AI හරස් වලංගු වේ; ඇස්තමේන්තු ඇත්ත වශයෙන්ම පුම්බා ඇත්තේ ඉතා කුඩා කැණීම් වලින් වන අතර, කුට්ටි කිහිපයක් අතිශයින් ඉහලට පවරා ඇත. සුදුසු ආවරණ කිරීමෙන් පසු (උදා. 30 g/t) සාමාන්‍යය 1.7 g/t දක්වා අඩු වේ. වෙනස සෘජුවම ව්යාපෘතියේ ශක්යතාව වෙනස් කරයි. AI විසින් ගණනය කිරීම සහ ප්‍රස්ථාරය නිෂ්පාදනය කරන ලදී; ආවරණ මට්ටමේ තීරණය භූ විද්යාඥයා විසින් සිදු කරන ලදී.

නඩුව 2 - වැරදි පරාසය. තඹ පෝර්ෆිරි වල විරියෝග්‍රෑම් පරාසය ඇත්ත වශයෙන්ම මීටර් 150 ක් වන නමුත් ආකෘතිය මීටර් 400 ක් ලෙස ගතහොත් විරල විදුම් ප්‍රදේශ "විශ්වසනීය" ලෙස පෙනෙන අතර අනුමාන කළ යුතු කුට්ටි සඳහන් කළ පන්තියට මාරු වේ. මෙය විගණනයකදී අනාවරණය කර ගන්නා අතර සම්පතේ සැලකිය යුතු කොටසක් අඩු විශ්වාස පන්තියකට පහත හෙලනු ලැබේ. AI විසින් variogram කේතය ජනනය කර ඇත, නමුත් විශේෂඥයෙකු විසින් පරාසය සමාලෝචනය නොකළ නිසා දෝෂය විශාල විය; පාඩම යනු විශේෂඥයෙකු විසින් ආකෘතියට ගැලපෙන බව සහතික කිරීමයි.

නඩුව 3 - නිවැරදි අවස්ථා සංසන්දනය. යකඩ ව්‍යාපෘතියකදී, කණ්ඩායමට විවිධ කඩඉම් තුනක් (20%, 25%, 30% Fe) සඳහා ශ්‍රේණියේ-ටොන් ප්‍රතිඵල දැකීමට අවශ්‍යය. ඔවුන් තමන්ගේම බ්ලොක් මාදිලි දත්ත භාවිතා කරමින් ස්කන්ධය/පරිමාව/ඝනත්ව තර්කනය සහ ශ්‍රේණි-ටොන් ගණනය කිරීම් සිදු කරන AI වෙත Python පිටපතක් ලියයි. ස්ක්‍රිප්ට් වගු තත්පර 3කින් අවස්ථා 3ක්. කණ්ඩායම බ්ලොක් එකක් මත අතින් ප්‍රතිඵල වලංගු කරන අතර පැහැදිලි සංසන්දනාත්මක සටහනක් සමඟ තීරණ රැස්වීමට යයි. AI මෙහි පුනරාවර්තන ගණනය කිරීම වේගවත් කර ඇත; දත්ත සහ තීරණය කණ්ඩායමට අයත් විය.

පිටපත් කළ හැකි ඉක්මන් සැකිලි

සංයුති කේතය "භූමිකාව: ඔබ භූ සංඛ්‍යාලේඛන සහායකයෙකි. Python + pandas සමඟින් ශ්‍රිතයක් ලියන්න ආරම්භයේදී ප්‍රතිඵලය තුළ කොපමණ කාල අන්තරයන් මඟ හැර තිබේද යන්න අදහස් දැක්වීමක් සමඟින් ලබා දෙන්න."

VARIOGRAM සංකල්පය + කේතය "variogram යනු කුමක්ද: nugget, sill සහ range යන සංකල්ප සරල භාෂාවෙන් පැහැදිලි කරන්න. ඉන්පසු එක් දිශාවකට පර්යේෂණාත්මක variogram ගණනය කර ගෝලාකාර ආකෘතියට ගැලපෙන ශ්‍රේණිගත කේත ඇටසැකිල්ලක් ලබා දෙන්න. අනතුරු ඇඟවීමේ සටහනක් එක් කරන්න: පරාසය සහ nugget මෙම භූ විද්‍යාව තෝරා ගැනීම අනුව ප්‍රවීණ ලෙස තෝරා ගත යුතුය."

GRADE-TONNAGE SCENARIO "බ්ලොක් මාදිලියේ අස්වැන්නෙහි පහත තීරු අඩංගු වේ: [x,y,z, ශ්‍රේණිය, වාරණ පරිමාව, ඝනත්වය]. පහත කඩඉම් අගයන් සඳහා එක් එක් අවස්ථාවෙහි මුළු ටොන් සහ සාමාන්‍ය ශ්‍රේණිය ගණනය කරන ස්ක්‍රිප්ට් එකක් ලියන්න [0.3; 0.4; 0.5]. ප්‍රතිඵලය පැහැදිලි ලෙස ප්‍රතිඵලයක් ලෙස පරිවර්තනය කරන්න. සංසන්දනාත්මක වගුව."

හරස් වලංගු ප්‍රකාශය "පහත දැක්වෙන්නේ ක්‍රිජිං හරස් වලංගු කිරීමේ ප්‍රතිඵල (සත්‍ය එදිරිව අනාවැකි) අදහස් දක්වන්න.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල විමසුම: "මෙම ව්යාපෘතිය සඳහා රක්ෂිතය ගණනය කරන්න."

ප්‍රබල විමසුම: "භූමිය විද්‍යා සහායකයා ඔබයි. මම ඔබට මගේම බ්ලොක් මොඩලය සහ විරියෝග්‍රෑම් පරාමිති ලබා දෙන්නෙමි. ක්‍රිජිං ඇස්තමේන්තුව + හරස් වලංගුකරණය + ශ්‍රේණියේ-ටොන් වක්‍රය නිපදවන අර්ථකථන ඒකක සහ උපකල්පන සහිත පයිතන් ප්‍රවාහයක් සකසන්න. පරාමිති තෝරන්න; මගේ ප්‍රතිඵලය අවසානයේ දී අනුමත කළ යුතු ප්‍රතිඵල වාර්තා කරන්න. JORC/UMREK අනුව සුදුසුකම් ලත් පුද්ගලයා (CP/QP).

සංසන්දනාත්මක වගුව: ක්රමය සහ AI භූමිකාව

පියවර

අරමුණ

AI භූමිකාව

විශේෂඥ විනිශ්චය

සංයුක්ත කිරීම

සමාන ආධාරක දිග

කේතය + පාලනය

සංයුක්ත ප්රමාණය

ආවරණ කිරීම

පිටත සීමාව

ප්‍රස්තාර/සංඛ්‍යාලේඛන

කැප් මට්ටම

variogram

අවකාශීය අඛණ්ඩතාව

සංකල්පය + කේතය

පරාසය / නුගට් තේරීම

ක්රිජිං

පුරෝකථනය අවහිර කරන්න

කේතය + ධාරාව

පරාමිතිය + ක්රමය

වර්ගීකරණය

විශ්වාස මට්ටම

කෙටුම්පත් පෙළ

JORC/UMREK විනිශ්චය

පොදු වැරදි

  • ආවරණ මඟ හැරීම. ප්‍රසාද දීමනා කිහිපයක් අගය සාමාන්‍යය සහ සංචිතය වැඩි කරයි.
  • AI විසින් තෝරාගත් variogram පරාමිතීන් තිබීම. පරාසය/නගට් භූ විද්යාව මත රඳා පවතී; වැරදි තේරීමක් ක්රමානුකූලව රක්ෂිතය කඩාකප්පල් කරයි.
  • සංචිත සමඟ සම්පත් ව්යාකූල කිරීම. සම්පත භූගෝලීය ය, රක්ෂිතය ආර්ථික ය; පන්ති එකිනෙකට හුවමාරු නොවේ.
  • සුමට කිරීම නොසලකා හැරීම. ක්‍රිජිං කාලය අධික ලෙස මෘදු කළ හැක; එය ඉහළ කාලය අඩු කරන අතර අඩු කාලය විශාල කරයි.
  • සුදුසුකම් ලත් පුද්ගල අනුමැතියකින් තොරව වර්ගීකරණය වාර්තා කිරීම. JORC/UMREK වලංගු වන්නේ බලයලත් පුද්ගලයෙකුගේ අත්සනින් පමණි.
අවධානය: සංචිත අංකය යනු කොටස් හුවමාරුව, බැංකුව සහ ආයෝජකයා වෙත අනාවරණය කරන ලද නිල ප්රකාශනයකි. දක්ෂ පුද්ගලයෙකුගේ (CP/QP) ස්වාධීන ඇගයීම සහ අත්සනකින් තොරව AI විසින් නිපදවන කිසිදු අතරමැදි ප්‍රතිඵලයක් නිල සංචිත/සම්පත් ප්‍රකාශයක් බවට පත්විය නොහැක.

සාරාංශයකින්

භූ සංඛ්‍යාලේඛන යනු විරල කැණීම් වලින් සම්පූර්ණ ලෝපස් ශරීරය අවිනිශ්චිතතාවයෙන් තක්සේරු කිරීමේ විනයයි: සංයුක්ත කිරීම, ආවරණ කිරීම, විචල්‍යකරණය, ක්‍රිජිං, සත්‍යාපනය සහ වර්ගීකරණය. මෙම ප්‍රවාහය තුළ, AI කේතීකරණය, අවස්ථා සංසන්දනය, ශ්‍රේණි-ටොන් ගණනය කිරීම සහ සත්‍යාපන චිත්‍රක තුළ ශක්තිමත් වේ. නමුත් variogram පරාමිතීන්, ආවරණ මට්ටම සහ සම්පත්/සංචිත වර්ගීකරණය විශේෂඥ තීරණ වන අතර නිල ප්‍රකාශය සඳහා දක්ෂ පුද්ගලයාගේ අත්සන අවශ්‍ය වේ. සම්පත භූගෝලීය ය, රක්ෂිතය ආර්ථික ය; මෙම වෙනස කිසිවිටෙක නොපැහැදිලි කරන්න.

යෙදුම් කාර්යය

නියැදි (හෝ ඔබේම) සංයුක්ත ශ්‍රේණි දත්ත සමඟ "ශ්‍රේණියේ-ටොන් සිනාරියෝ" අච්චුව භාවිතයෙන් විවිධ කඩඉම් තුනක් සඳහා ටොන් සහ සාමාන්‍ය ශ්‍රේණියේ වගු නිෂ්පාදනය කරන්න. ඉන්පසුව AI විසින් "හරස් වලංගුකරණ අර්ථකථනය" අච්චුව සමඟ ක්‍රිජිං ප්‍රතිඵලයක් අර්ථකථනය කර විශේෂඥ සමාලෝචන අවශ්‍ය පරාමිති ලැයිස්තුගත කරන්න. අවසාන වශයෙන්, ඔබේම වචන වලින් සම්පත් සහ සංචිත සහ වර්ගීකරණ විශ්වාස මට්ටම් අතර වෙනස පැහැදිලි කර නිල කේත නිර්වචනයට එරෙහිව එහි නිරවද්‍යතාවය පරීක්ෂා කරන්න.

පිරික්සුම් ලැයිස්තුව

  • [ ] මම සංයුක්ත ප්‍රමාණය සහ ඒකක උපකල්පන තීරණය කළෙමි, මම එය AI වෙත තැබුවේ නැත.
  • [ ] භූ විද්‍යාඥයා/භූ විද්‍යාඥයා ආන්තික අගයන් සඳහා සීමා කිරීමේ තීරණය ගෙන ඇත.
  • [ ] Variogram පරාසය සහ nugget අගය විශේෂඥ සමාලෝචනය කරන ලදී.
  • [ ] මම ක්‍රිජිං ප්‍රතිඵලය හරස් වලංගුකරණය සහ දෘශ්‍ය පරීක්‍ෂාව සමඟින් පරීක්‍ෂා කළෙමි.
  • [ ] මම සම්පත් සහ සංචිත පන්ති නිවැරදිව සහ වෙන වෙනම භාවිතා කළෙමි.
  • [ ] නිල ප්‍රකාශය සඳහා දක්ෂ පුද්ගලයාගේ (CP/QP) අනුමැතිය අවශ්‍ය බව මම වාර්තාවේ සටහන් කළෙමි.