ලාභ:
- ජලධර ගුනාංගීකරණය සහ භූගත ජල ප්රවාහ ආකෘතිකරණයේදී AI හි දත්ත සැකසීම සහ ක්රමාංකන දායකත්වය භාවිතා කිරීමේ හැකියාව.
- AI සහ විෂමතා හඳුනාගැනීම සමඟ ජලයේ ගුණාත්මකභාවය, මට්ටම සහ ගලා යන දත්ත විශ්ලේෂණය කිරීමේ හැකියාව
- ස්කන්ධ සංරක්ෂණය, හයිඩ්රොලික් ප්ලැසිබිලිටි සහ ක්ෂේත්ර මැනීම සමඟ ආදර්ශ නිමැවුම් සත්යාපනය කිරීමේ හැකියාව
භූගත ජලය යනු අපට නොපෙනෙන නමුත් වඩාත්ම තීරණ ගත නොහැකි ස්වාභාවික සම්පතයි. ළිඳකින් කොපමණ ජලය ලැබෙනවාද, පතලකට ජලය කොපමණ ප්රමාණයක් මුදා හරිනවාද, දූෂකයක් පානීය ජල සැපයුමකට ළඟා වීමට කොපමණ කාලයක් ගතවේද - මේ සියල්ල රඳා පවතින්නේ ජලය සිදුරු හා ඉරිතැලීම් හරහා සෙමින් ගමන් කරන විට ජලයේ හැසිරීම මත ය. ජල භූ විද්යාව (භූගත ජලය පිළිබඳ විද්යාව) විරල නිරීක්ෂණ ළිං, භූ විද්යාත්මක හරස්කඩ සහ භෞතික නීති වලින් මෙම අදෘශ්යමාන ප්රවාහය ප්රතිනිර්මාණය කරයි. කෘත්රිම බුද්ධිය මෙම කාර්යයේදී ප්රබල ආධාරකයකි: එය අවුල් සහගත කාල ශ්රේණිය පිරිසිදු කරයි, නැතිවූ දත්ත ඒකාබද්ධ කරයි, විෂමතා අල්ලාගෙන ආකෘති ක්රමාංකනය වේගවත් කරයි. නමුත් සියල්ලට වඩා එක නීතියක් පවතී: ස්කන්ධ සංරක්ෂණය. පද්ධතියට ඇතුළු වන, පිටවන සහ ගබඩා කරන ජල ප්රමාණය අනුකූල විය යුතුය; කිසිම බුද්ධිමත් මොඩලයකට මෙම සමතුලිතතාවය කඩ කළ නොහැක.
මෙම ඒකකයෙන් අපි භූගත ජල අධ්යයනයේ AI අංශ තුනක් ආවරණය කරන්නෙමු: දත්ත සැකසීම සහ විෂමතා හඳුනාගැනීම (මට්ටම, ප්රවාහ අනුපාතය සහ තත්ත්ව ශ්රේණි සැකසීම), ජලධර ගුනාංගීකරණය (භූගත ජලය දරණ ස්ථරයේ ගුණාංග පුරෝකථනය කිරීම) සහ ප්රවාහ ආකෘති ක්රමාංකනය (නිරීක්ෂණය සමඟ සංඛ්යාත්මක ආකෘතිය පෙළගැස්වීම). සෑම පියවරකදීම, අපි කෘත්රිම බුද්ධිය භාවිතා කරන්නේ කැල්කියුලේටරයක් ලෙස නොව, ජල සමතුලිතතාවය සහ ක්ෂේත්ර මැනීම සමඟින් ඔබ පරීක්ෂා කරන කෙටුම්පත් උත්පාදක යන්ත්රයක් ලෙසය.
ජලධරය සහ මූලික සංකල්ප
අපි මුලින්ම පොදු භාෂාවක් ස්ථාපිත කරමු. ජලධරය යනු ප්රමාණවත් තරම් ජලය රැගෙන යාමට සහ මුදා හැරීමට හැකි භූ විද්යාත්මක ඒකකයකි (උදා: වැලි-බොරළු තට්ටුව). හයිඩ්රොලික් සන්නායකතාවය (K) පාෂාණ/පස හරහා ජලය කෙතරම් පහසුවෙන් ගලා යනවාද යන්න මනිනු ලබයි; එය සාමාන්යයෙන් වැලි සඳහා දිනකට මීටර් අනුපිළිවෙලින් සහ මැටි සඳහා අන්වීක්ෂීයව අඩු වේ. හයිඩ්රොලික් හිස (හිස) යනු ලක්ෂයක ජලයේ පීඩනය සහ උන්නතාංශ ශක්තියයි; ජලය සෑම විටම අධික බර සිට අඩු බර දක්වා ගලා යයි. ගබඩා සංගුණකය මඟින් ජලධරය මගින් මුදා හරින ලද / ගබඩා කරන ලද ජල පරිමාව ඒකක භාරය වෙනස් කරයි. මෙම ප්රමාණ හතර සියලු ආකෘති නිර්මාණයේ මූලික ගල වේ.
කෘතිම බුද්ධිය සමඟ වැඩ කිරීමේදී මෙම සංකල්ප දැන ගැනීම අත්යවශ්ය වේ, මන්ද ආකෘතියෙන් ලබා දෙන සෑම සංඛ්යාවක්ම මෙම භෞතික පරාසයන්ට ගැලපේ. වැලි ජලධරය සඳහා K අගය දිනකට සෙන්ටිමීටර කිහිපයක් සිට මීටර් දස දහස් ගණනක් දක්වා පරාසයක පවතී; "දවසට කිලෝමීටර් 3ක්" කියලා model එක කිව්වොත් physics error එකක් තියෙනවා. මෙය පෙර ඒකකවල විශාලත්වයේ නැංගුරමේ අනුපිළිවෙලෙහි ජල භූ විද්යාව-විශේෂිත ආකාරයයි.
පියවරෙන් පියවර: දත්ත සැකසීම, විෂමතාව සහ ක්රමාංකනය
පියවර 1 - කාල මාලාව පිරිසිදු කිරීම. නිරීක්ෂණ ළිංවල මට්ටමේ දත්ත බොහෝ විට අක්රමවත් වේ: අතුරුදහන් වූ දින, සංවේදක මඟ හැරීම, ඒකක ව්යාකූලත්වය, වායුගෝලීය පීඩන බලපෑම. AI මෙම ශ්රේණි පෙළගස්වයි, හිඩැස් සලකුණු කරයි සහ විය හැකි සංවේදක දෝෂ හඳුනා ගනී (හදිසි පැනීම, පැතලි රේඛාව = ශීත කළ සංවේදකය). නමුත් නැතිවූ අගය "පිරවීම" සහ "සලකුණු කිරීම" වෙනස් ය; පිරවීම සිදු කිරීමට නම්, ක්රමය විනිවිද පෙනෙන හා භූ විද්යාඥයින් විසින් අනුමත කළ යුතුය.
පියවර 2 - විෂමතා හඳුනා ගැනීම. ජලයේ ගුණාත්මක භාවයේ හදිසි වෙනසක් (උදා: සන්නායකතාව, නයිට්රේට්, බැර ලෝහ); මට්ටමේ අනපේක්ෂිත පහත වැටීම; ප්රවාහ අනුපාතය පනින්න - මේවා සැබෑ සිදුවීමක (දූෂණය, අයිරා, කාන්දු වීම) හෝ මිනුම් දෝෂයක ලකුණකි. කෘතිම බුද්ධිය අපේක්ෂක විෂමතා ශ්රේණිගත කරයි; ජල භූ විද්යාඥයා තීරණය කරන්නේ කුමන එකක්ද යන්නයි.
පියවර 3 - ජලධර ලක්ෂණ. K සහ ගබඩා සංගුණකය පොම්ප කිරීමේ පරීක්ෂණයෙන් උපුටා ගනු ලැබේ (නිරන්තර ප්රවාහ අනුපාතයක් සහිත ළිඳකින් ජලය ඇද ගැනීම සහ අසල්වැසි ළිංවල මට්ටම පහත වැටීම නිරීක්ෂණය කිරීම) දත්ත. AI වක්ර සවි කිරීම සහ විකල්ප ජලධර ආකෘති (සීමිත/නිදහස්/අර්ධ පාරගම්ය) වේගවත් කරයි; නමුත් ක්ෂේත්රයේ භූ විද්යාව සමඟ තෝරාගත් ආකෘතියේ ගැළපුම මානව වැඩකි.
පියවර 4 - සංඛ්යාත්මක ආකෘති ක්රමාංකනය. පරිමිත වෙනස/මූලද්රව්ය ආකෘතිය ජලධරය සෛල වලට බෙදන අතර එක් එක් සෛලය තුළ ජල ප්රවාහය සඳහා විසඳයි. ක්රමාංකනය යනු නිරීක්ෂණ ළිං මට්ටම්වලට අනුකූල වන පරිදි ආකෘති පරාමිතීන් (K බෙදාහැරීම, නැවත ආරෝපණය කිරීම) සකස් කිරීමයි. AI/ප්රශස්තකරණය මෙම සැකසුම වේගවත් කරයි; නමුත් අනතුරක් තිබේ: ආකෘතිය නිරීක්ෂණවලට හොඳින් ගැලපේ, නමුත් භෞතිකව වැරදි පරාමිතීන් (අධික ලෙස ගැලපීම). එබැවින් ක්රමාංකනය කිරීමෙන් පසු ජල සමතුලිතතාවය පාලනය කිරීම අත්යවශ්ය වේ.
ඉඟිය: ක්රමාංකනය කළ ආකෘතියක් පිළිගැනීමට පෙර, "ජල ශේෂය අක්රිය වී තිබේද?" අසන්න: සම්පූර්ණ ආදානය (පෝෂණය + පාර්ශ්වීය ප්රවාහය) අඩු සම්පූර්ණ ප්රතිදානය (කෙටුම්පත + විසර්ජනය) එකතුව/අඩු ගබඩා වෙනස ≈ 0 විය යුතුය. එය වැසී නොයන්නේ නම්, එය මට්ටම්වලට ගැළපුණත්, ආකෘතිය විශ්වාස කළ නොහැකි ය.
කුඩා අවස්ථා තුනක්: අංක අනුව
1 වන අවස්ථාව - සංවේදක නිදොස්කරණය. එක් නිරීක්ෂණ ජාලයක් ළිං 11 ක් සඳහා මට්ටමේ දත්ත මාස 18 ක් විය; මුළු වාර්තා 6000 ක් පමණ. AI බලයෙන් ක්රියාත්මක වන ස්කෑන් පරීක්ෂණය ළිං දෙකක “ශීත කළ සංවේදකයක්” (හරියටම දින 42 සඳහා එකම අගය) සහ එක් ළිඳක ඒකක දෝෂයක් (මීටර වෙනුවට අඩි ඇතුළු කර ඇත) අනාවරණය විය. අතින් සොයා ගැනීමට පැය ගණනක් ගතවන මෙම දෝෂ තුන, ආදර්ශ ක්රමාංකනය බරපතල ලෙස පක්ෂග්රාහී විය හැක; නිස්සාරණය ආකෘතිය ස්ථාපිත කිරීමට පෙර එය විශ්වාසදායක විය.
නඩුව 2 - ස්කන්ධ ශේෂ උගුල. පතල් ජල විසර්ජන ආකෘතියක් සියලුම නිරීක්ෂණ ළිං වලට 5% ට වඩා හොඳින් ගැලපෙන අතර කණ්ඩායම ආකෘතිය වලංගු කිරීමට සූදානම් විය. කලාපයේ වර්ෂාපතන දත්ත සමඟ කළ හැකි ප්රමාණයට වඩා මුළු නැවත ආරෝපණය තුන් ගුණයකින් වැඩි බව ජල ශේෂය පරීක්ෂා කිරීමේදී සොයා ගන්නා ලදී. මෙම ආකෘතිය භෞතික නොවන ආහාර වේලක් සමඟ "මිලදී" ඇත. පරාමිති යථාර්ථවාදී පරාසයට ආපසු ගෙන ගොස් නැවත ක්රමාංකනය කරන ලදී. හොඳ ගැළපීමක් අදහස් කළේ නිවැරදි ආකෘතිය නොවේ.
නඩුව 3 - දූෂණය පිළිබඳ මුල් සංඥා. පානීය ජල ද්රෝණියේ ළිඳක සන්නායකතා ශ්රේණියේ, කෘතිම බුද්ධිය සෘතුමය රටාවෙන් බැහැර වූ මන්දගාමී නැගීමක් සලකුණු කළේය. ස්ථාන පරීක්ෂාවකදී අසල ගබඩා ප්රදේශයකින් කාන්දුවක් ඇති බව සොයා ගත් අතර දූෂණය පානීය ළිඳට පැමිණීමට පෙර පියවර ගෙන ඇත. ආකෘතිය තීරණය කළේ නැත; නිවැරදි ළිඳ වෙත ජල භූ විද්යාඥයාගේ අවධානය යොමු කළේය.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
මේ ළිං දත්ත බලලා මට කියන්න ජලධරය මොන වගේද, ජලය යන්නේ කොතැනටද කියලා. [මට්ටමේ වගුව]
බලවත් විමසුම:
ඔබේ කාර්යභාරය: ජල භූ විද්යා සහකාර. පහත නිරීක්ෂණ ළිං මට්ටමේ ශ්රේණිය පරීක්ෂා කරන්න, නමුත් ජලධර පරාමිතිය සවි කර ඇත. පහත සඳහන් දේ කරන්න:1) දත්ත ගුණාත්මකභාවය: අතුරුදහන් වූ, ශීත කළ සංවේදකයේ, ඒකකය/පිටතට ඇති සැකයන් ලැයිස්තුගත කිරීම, හොඳින් සහ දිනය ලබා දීම.2) සාමාන්ය ප්රවණතාව (නැගීම/වැටීම/සෘතුමය) සහ විය හැකි භෞතික පැහැදිලි කිරීම්.3) මීළඟ පියවරේදී අවශ්ය දත්ත (පොම්ප කිරීමේ පරීක්ෂණය, වර්ෂාපතනය, ගුරුත්වාකර්ෂණ වාර්තාව) සඳහන් කරන්න. මෙය සඳහන් කරන්න. දත්ත නිර්නාමිකයි.
බලගතු විමසුම මඟින් ආකෘතිය දත්ත පාලකයේ සහ ප්රශ්න සංස්කාරකයේ භූමිකාව තුළ තබයි; පරාමිති සවි කිරීම පැහැදිලිවම තහනම් කරයි.
පිටපත් කළ හැකි සැකිලි හතරක්
1) මට්ටමේ ශ්රේණියේ තත්ත්ව පරීක්ෂාව:
නිරීක්ෂණ ළිං මට්ටමේ ශ්රේණියේ පහත සඳහන් දේ සලකුණු කරන්න: අතුරුදහන් වූ දින, අඛණ්ඩව සමාන අගය (ශීත කළ සංවේදකය), හදිසි පැනීම, සිදුවිය හැකි ඒකක දෝෂය (m/අඩි/cm). හොඳින්_id සහ දින පරාසය සමඟ පමණක් ලැයිස්තුගත කරන්න; අගයන් පිරවීම හෝ මකා දැමීම.
2) විෂමතා ප්රමුඛතාවය:
සෘතුමය රටාවෙන් බැහැර වන ජල තත්ත්ව ශ්රේණියේ (පරාමිතිය: සන්නායකතාවය) වෙනස්කම් ලැයිස්තුගත කරන්න, බොහෝ දුරට ඉඩ ඇත. එක් එක් අපේක්ෂකයා සඳහා: සැබෑ සිදුවීමක් සහ මිනුම් දෝෂයක් අතර වෙනස හඳුනා ගැනීමට අවශ්ය අමතර පාලනය කුමක්දැයි ලියන්න. තීරණය ජල භූ විද්යාඥයා සතුය.
3) ජල ශේෂ පිරික්සුම් ලැයිස්තුව:
ක්රමාංකනය කළ භූගත ජල ආකෘතියක් සඳහා ජල සමතුලිත පාලන පියවර උපුටා ගන්න: ආදාන අයිතම, ප්රතිදාන අයිතම, ගබඩා විචලනය සහ වසා දැමීමේ දෝෂයේ පිළිගැනීමේ සීමාව. ආකෘතිය මට්ටම් වලට අනුකූල විය හැකි නමුත් සමතුලිතතාවය උල්ලංඝනය කරන උදාහරණ තත්වයන්.
4) කෙටුම්පත් පොම්ප පරීක්ෂණ අර්ථ නිරූපණය:
පොම්ප පරීක්ෂණ ඇද ගැනීමේ කාල දත්ත සඳහා: කුමන ජලධර ආකෘති (සීමිත, සීමා සහිත, අර්ධ පාරගම්ය) යෝග්ය විය හැකිද සහ එක් එක් අඩවියේ භූ විද්යාවට සම්බන්ධ වන ආකාරය ගෙනහැර දක්වන්න. K සහ ගබඩා කිරීම සඳහා නිශ්චිත අංකයක් ලබා දීම; සාධාරණ පරාසය සහ අවශ්ය උපකල්පන සඳහන් කරන්න.
භූගත ජල දත්ත සහ වලංගු කිරීමේ නැංගුරම්
දත්ත/ප්රතිදානය
AI දායකත්වය
ප්රධාන අවදානම
සත්යාපන නැංගුරම
මට්ටමේ කාල මාලාව
පිරිසිදු කිරීම, දෝෂ හඳුනාගැනීම
සවි කරන පුලුන්
අමු දත්ත + ක්ෂේත්ර පටිගත කිරීම
ජල තත්ත්ව මාලාව
විෂමතා වර්ග කිරීම
ව්යාජ එලාම්/මිස්
නැවත සාම්පල + රසායනාගාරය
පොම්ප කිරීමේ පරීක්ෂණය
වක්රය සවි කිරීමේ වේගය
වැරදි ජලධර ආකෘතිය
භූ විද්යාත්මක සමගිය
සංඛ්යාත්මක ආකෘති ක්රමාංකනය
පරාමිති ප්රශස්තකරණය
අධික ලෙස ගැලපීම, භෞතික නොවන කේ
ජල සමතුලිතතාවය + හොඳින් නිරීක්ෂණය කිරීම
පෝෂණය/ආකර්ෂණ තක්සේරුව
දත්ත විලයනය
ශේෂය උල්ලංඝනය කිරීම
වර්ෂාපතනය/මෙහෙයුම් වාර්තාව
අවවාදයයි: භූගත ජල ආකෘතියක් යනු අනාවැකියක් මිස අනාවැකියක් නොවේ. දශක ගනනාවක් අනාගතයට ප්රක්ෂේපණය කරන නිමැවුම් (උදා: පතලක වසා දැමීමෙන් පසු ජල මට්ටම) ඒවා මනින විට යාවත්කාලීන කළ යුතු අවස්ථා වේ. තනි "නිසැක" අනාගත වක්රයක් ඉදිරිපත් කිරීම අවිනිශ්චිතභාවය වැසීමෙන් ව්යාජ විශ්වාසයක් ඇති කරයි.
පොදු වැරදි
- ජල ශේෂය පරීක්ෂා නොකිරීම. වඩාත් පොදු සහ භයානක වැරැද්ද වන්නේ ස්කන්ධ සංරක්ෂණය සත්යාපනය නොකර මට්ටම්වලට හොඳින් ගැලපෙන ආකෘතියක් පිළිගැනීමයි.
- නැතිවූ දත්ත නිහඬව පිරවීම. AI විසින් නිපදවන ලද "පිරවීම" අගයන් සැබෑ මිනුම් ලෙස වරදවා වටහාගෙන තිබේ නම්, ක්රමාංකනය දුර්වල පදනමක් මත වේ.
- භෞතික පරාසය ඉක්මවා යන පරාමිති පිළිගැනීම. අනුකූලතාව සඳහා යථාර්ථවාදී නොවන K හෝ පෝෂණ අගයන් ඉවසා සිටීම.
- අක්රමිකතාව සැබෑ ලෙස ස්වයංක්රීයව සලකා බැලීම. සෑම අපගමනයක්ම දූෂණය නොවේ; මිනුම් දෝෂයේ හැකියාව ක්ෂේත්ර සහ නැවත නියැදීම මගින් ඉවත් කරනු ලැබේ.
- අවිනිශ්චිතතාවය තනි වක්රයකට අඩු කිරීම. අවස්ථා වලට වඩා දිගු කාලීන අනාවැකි අවසාන ප්රතිඵල ලෙස ඉදිරිපත් කිරීම.
සාරාංශයකින්
- ජල භූ විද්යාව විරල නිරීක්ෂණයෙන් නොපෙනෙන ප්රවාහයක් ගොඩනඟයි; සෑම AI ප්රතිදානයක්ම ස්කන්ධ සංරක්ෂණයට (ජල සමතුලිතතාවයට) එරෙහිව පරීක්ෂා කෙරේ.
- AI පිරිසිදු කිරීමේ මට්ටම/ගුණාත්මක ශ්රේණි, විෂමතා හඳුනා ගැනීම සහ ක්රමාංකන ත්වරණය සඳහා බලවත් ය; පරාමිතීන් නොගැලපේ.
- ආකෘතිය නිරීක්ෂණවලට හොඳින් ගැලපේ නම්, එය භෞතික නොවන පරාමිතීන් (අධික ලෙස ගැලපීම) සමඟ වැරදි විය හැක; ජල සමතුලිතතාවය පාලනය කිරීම අනිවාර්ය වේ.
- සෑම අංකයක්ම භෞතික පරාසය තුළට ගැලපේ (වැලි ≈ මීටර/දින සඳහා K); විශාලත්වය නැංගුරම් අනුපිළිවෙල ජල භූ විද්යාවෙහි ද අදාළ වේ.
- ආකෘතිය අනාවැකියකි; දිගු කාලීන ප්රතිඵල අවිනිශ්චිතතාවයෙන් යුතුව අවස්ථා ලෙස ඉදිරිපත් කරනු ලබන අතර ඒවා මනින විට යාවත්කාලීන වේ.
යෙදුම් කාර්යය
නිර්නාමික නිරීක්ෂණ ළිං මට්ටමේ මාලාවක් (හෝ නියෝජිත දත්ත) ලබා ගන්න. "මට්ටම් ශ්රේණි තත්ත්ව පරීක්ෂාව" අච්චුව සමඟ දත්ත දෝෂ සොයා ගැනීමට ආකෘතියට සලස්වන්න; අඩුම තරමින් එක් සැක සහිත ශීත කළ සංවේදකයක් හෝ ඒකකයක් එකතු කර එය අල්ලා ගන්නේ දැයි පරීක්ෂා කරන්න. ඉන්පසු ක්රමාංකනය කරන ලද ආදර්ශ දර්ශනයක් සඳහා "ජල සමතුලිත පිරික්සුම් ලැයිස්තුව" අච්චුව ධාවනය කර එය මට්ටම්වලට අනුකූල වුවද ආකෘතිය ශේෂය උල්ලංඝනය කළ හැකි ආකාරය උදාහරණයක් සමඟ ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම ජලධරය, හයිඩ්රොලික් සන්නායකතාවය, හිස සහ ගබඩා කිරීමේ සංකල්ප සහ සාමාන්ය පරාසයන් දනිමි.
- [ ] මහා සංරක්ෂණය (ජල සමතුලිතතාවය) සමඟ භූගත ජල ප්රතිදානය සත්යාපනය කිරීමට මම ප්රතීකයක් ලබා ගත්තෙමි.
- [ ] මම දත්ත පිරිසිදු කිරීම සහ විෂමතා වර්ග කිරීම සඳහා AI භාවිතා කරන අතර පරාමිති තීරණය ජල භූ විද්යාඥයා වෙත තබමි.
- [ ] අධික ලෙස ගැලපීමේ අවදානම හඳුනාගෙන, සුදුසු ආකෘතිය සුදුසු යැයි මම නොසිතමි.
- [ ] මම දිගුකාලීන ආදර්ශ නිමැවුම් අවිනිශ්චිතතාවයන් සහිත අවස්ථා ලෙස ඉදිරිපත් කරමි.