กำไร:
- ความสามารถในการแยกแยะการข้ามวงจรในการติดตามขอบฟ้าอัตโนมัติและรอยเท้าการได้มาในการตรวจจับข้อผิดพลาดจากโครงสร้างจริง และตรวจสอบด้วยตนเอง
- ทำความเข้าใจว่าประเภทของแผ่นดินไหวนั้นเป็นข้อมูลเชิงสถิติและสามารถสร้างความหมายทางธรณีวิทยาได้ด้วยความรู้เกี่ยวกับบ่อน้ำและสภาพแวดล้อมที่มีการสะสมตัว
- ความสามารถในการทดสอบความเสี่ยงของการติดตั้งมากเกินไปในคุณลักษณะร่วมกับการทดสอบหลุมบอด และจำกัดจำนวนคุณลักษณะตามจำนวนหลุม
การประมวลผลเสร็จสิ้น คุณมีปริมาตรแผ่นดินไหวที่สะอาดและมีการโยกย้าย ตอนนี้คำถามที่แท้จริงเริ่มต้นขึ้น: ภาพนี้บอกอะไรเกี่ยวกับใต้ดิน? ขอบเขตของชั้นอยู่ที่ไหน รอยเลื่อนขยายไปในทิศทางใด บริเวณไหนเป็นทราย ซึ่งเป็นดินเหนียว ที่ไหนจะมีอ่างเก็บน้ำ? การตีความเกี่ยวกับแผ่นดินไหวเป็นกระบวนการในการดึงแบบจำลองโครงสร้างและตะกอน (ชั้นหิน) ของพื้นผิวใต้ผิวดินออกจากข้อมูลที่ย้าย ในหน่วยนี้ เราจะดูว่าปัญญาประดิษฐ์ (AI) สร้าง "แบบร่างแรกด่วน" ในการติดตามขอบฟ้าและรอยเลื่อน การจำแนกลักษณะแผ่นดินไหวและการวิเคราะห์คุณลักษณะอย่างไร แต่ใครเป็นผู้สร้างความหมายทางธรณีวิทยาและแบบจำลองขั้นสุดท้าย
การสร้างบล็อคของการตีความ
มาชี้แจงเงื่อนไขกัน ขอบฟ้าเป็นพื้นผิวสะท้อนแสงต่อเนื่องที่พบในส่วนแผ่นดินไหว และโดยทั่วไปจะสอดคล้องกับขอบเขตชั้นทางธรณีวิทยา รอยเลื่อนคือระนาบของความไม่ต่อเนื่องที่ชั้นต่างๆ แตกและเคลื่อนตัว จะปรากฏในสถานที่ซึ่งการสะท้อนถูกขัดจังหวะหรือเลื่อนไปในส่วนตัดขวาง ส่วนหน้าของแผ่นดินไหวคือบริเวณปริมาตรที่มีลักษณะคลื่นคล้ายกัน (แอมพลิจูด ความต่อเนื่อง พื้นผิว) และโดยทั่วไปสะท้อนถึงสภาพแวดล้อมตะกอนที่คล้ายกัน คุณลักษณะของแผ่นดินไหวคือการวัดที่ได้มาจากร่องรอยที่นำสายตาไปยังลักษณะบางอย่าง (ความไม่ต่อเนื่อง ความชัน แอมพลิจูด ความถี่) ตัวอย่างเช่น คุณลักษณะการเชื่อมโยงกัน/ความต่อเนื่องจะเน้นถึงข้อบกพร่อง และการสลายตัวของสเปกตรัมจะเน้นที่รูปทรงเรขาคณิตของช่องสัญญาณ
AI ในขอบเขตและการติดตามข้อผิดพลาด
การติดตามขอบฟ้าด้วยตนเองคือเมื่อล่ามติดตามส่วนการสะท้อนทีละส่วนและทำเครื่องหมายหลายพันจุด ซึ่งแม่นยำแต่ช้า ตัวติดตามอัตโนมัติที่ใช้ AI สามารถเริ่มต้นจากจุดเริ่มต้นไม่กี่จุดและกระจายไปทั่วทั้งไดรฟ์ข้อมูล ในการตรวจจับข้อผิดพลาด โมเดลที่ใช้ CNN (เครือข่ายการเรียนรู้รูปแบบภาพ) สามารถทำเครื่องหมายความไม่ต่อเนื่องตลอดทั้งเล่ม วิธีนี้จะลดสิ่งที่เคยใช้เวลาหลายสัปดาห์ด้วยมือให้เป็นชั่วโมง
อย่างไรก็ตาม มีกับดักสองอัน ขั้นแรก ตัวติดตามอัตโนมัติสามารถวนรอบขอบฟ้า—เปลี่ยนจากยอดคลื่นหนึ่งไปยังยอดใกล้เคียง ผลลัพธ์ที่ได้คือพื้นผิวที่ดูเหมือนเรียบแต่ไม่ถูกต้องตามหลักธรณีวิทยา ประการที่สอง เครื่องตรวจจับข้อบกพร่องอาจเข้าใจผิดว่าสัญญาณรบกวนเชิงเส้นที่สร้างจากการประมวลผล (เช่น รอยเท้าการได้มา) เป็นข้อบกพร่อง นั่นเป็นเหตุผลว่าทำไมเครือข่ายพื้นผิวและรอยเลื่อนทุกจุดที่สร้างโดย AI จึงได้รับการตรวจสอบด้วยตนเองที่ทางแยก (ทางแยกระหว่างรอยเลื่อน-ขอบฟ้า) และตำแหน่งของหลุม
เคล็ดลับ: ตรวจสอบขอบเขตการติดตามโดยอัตโนมัติด้วยสายตาในส่วนสำคัญต่างๆ โดยการซ้อนทับบนข้อมูล พื้นผิวมีการข้ามวงจรไปจนเหลือแต่การสะท้อนที่รุนแรงและกระโดดไปยังจุดสูงสุดที่อ่อนแอ อย่ากระจายระดับเสียงโดยไม่แก้ไขพื้นที่เหล่านี้ด้วยตนเอง
การจำแนกประเภทส่วนหน้าของแผ่นดินไหว
การจำแนกประเภท Facies เป็นหน้าที่ในการแบ่งปริมาตรออกเป็นขอบเขตตามลักษณะของคลื่น ในแนวทางที่ได้รับการดูแล คุณจะกำหนดป้ายกำกับจากแหล่งหินที่รู้จักในหลุมและฝึกอบรมแบบจำลอง ในแนวทางที่ไม่มีผู้ดูแล ตัวแบบจะจัดกลุ่มภูมิภาคที่มีลักษณะคล้ายคลึงกัน และคุณจะให้ความหมายทางธรณีวิทยาในภายหลัง AI ให้ความเร็วที่ยอดเยี่ยมที่นี่ แต่คลาสต่างๆ มีความคล้ายคลึงกันทางสถิติ ไม่ใช่ข้อเท็จจริงทางธรณีวิทยา ภูมิภาคที่แบบจำลองเรียกว่า "อาคาร 3" จะได้รับความหมายเหมือนกับ "ทรายช่อง" เท่านั้น โดยมีความรู้เรื่องบ่อน้ำและสภาพแวดล้อมที่สะสมอยู่
ข้อควรสนใจ: คุณระบุจำนวนคลาสการทำคลัสเตอร์ที่ไม่ได้รับการดูแล จำนวนคลาสที่ต่างกันจะสร้างแผนที่ที่แตกต่างกันโดยสิ้นเชิง อย่าถูกขังอยู่ในคลัสเตอร์เดียว เปลี่ยนจำนวนคลาสและทดสอบว่าผลลัพธ์ยังคงมีเสถียรภาพทางธรณีวิทยาหรือไม่
ข้อผิดพลาดในการวิเคราะห์คุณลักษณะ: ความสัมพันธ์หลายตัวแปร
AI สามารถรวมคุณสมบัติมากมายและสร้างตัวแยกประเภทที่ทรงพลังได้ แต่การพยายามปรับคุณสมบัติจำนวนมากให้พอดีกับหลุมจำนวนน้อยจะส่งผลให้เกิดการฟิตติ้งมากเกินไป - การที่แบบจำลองไม่สามารถจดจำตัวอย่างการฝึกอบรมและสรุปข้อมูลใหม่ได้: แผนที่นั้นสมบูรณ์แบบในหลุมและไม่มีความหมายระหว่างหลุม กฎ: รักษาจำนวนจุดสนใจให้เป็นสัดส่วนกับข้อมูลควบคุม (หลุม) และทดสอบแผนที่ในหลุมอิสระ (blind test)
มินิเคสสามอัน
กรณีที่ 1 — การติดตามขอบฟ้าเป็นเวลาหลายชั่วโมง ขอบฟ้าอ่างเก็บน้ำหลักในปริมาณ 900 กม. ² ได้รับการทำเครื่องหมายด้วยตนเองใน 9 วัน เครื่องติดตาม AI กระจายพื้นผิวจาก 6 จุดเมล็ดใน 3 ชั่วโมง ผู้ตรวจสอบแก้ไขพื้นที่ข้าม 14 รอบด้วยตนเอง ผลลัพธ์: ความแม่นยำเท่าเดิม หนึ่งวันแทนที่จะเป็นวัน
กรณีที่ 2 — เข้าใจผิดว่ารอยเท้าเป็นความผิด เครื่องตรวจจับข้อบกพร่องทำเครื่องหมายเส้นเหนือ-ใต้ปกติ ผู้วิจารณ์สังเกตเห็นว่าบรรทัดเหล่านี้สอดคล้องกับระยะห่างระหว่างบรรทัดการได้มาซึ่งไม่ใช่ข้อผิดพลาด แต่เป็นรอยเท้าของการได้มา ข้อบกพร่องที่เกิดขึ้นจริงวิ่งตั้งฉากกับรูปแบบปกตินี้ เมื่อรอยเท้าถูกกำจัดออกไป แผนที่รอยเลื่อนก็มีความหมาย
กรณีที่ 3 — แผนที่ด้านหน้าอาคารที่ไม่เหมาะสม เครื่องแยกประเภทที่ผ่านการฝึกอบรมด้วยคุณสมบัติ 22 ประการและมีเพียง 5 หลุมเท่านั้นที่ให้ความแม่นยำ 98% บนหลุม แต่จัดประเภทหินทรายเป็นหินดินเหนียวในหลุมที่หก (ตาบอด) เมื่อจำนวนจุดสนใจลดลงเหลือ 6 จุดและฝึกใหม่ ความแม่นยำของหลุมตาบอดเพิ่มขึ้นจาก 61% เป็น 88%: แผนที่ยังเชื่อถือได้ทั่วทั้งหลุมอีกด้วย
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) การให้คำปรึกษาในการเลือกคุณสมบัติ:
บทบาทของคุณ: ผู้เชี่ยวชาญด้านการตีความเกี่ยวกับแผ่นดินไหว เป้าหมายของฉัน: [ทรายในช่องแม่น้ำ/อ่างเก็บน้ำคาร์บอเนต] คุณลักษณะแผ่นดินไหวใด (การเชื่อมโยงกัน การสลายตัวของสเปกตรัม แอมพลิจูด RMS ความชัน) และฉันควรใช้ลำดับใดเพื่อเน้นเป้าหมายนี้ คุณลักษณะแต่ละอย่างแสดงถึงอะไร รูปแบบที่ทำให้เข้าใจผิดอาจเกิดขึ้นได้อย่างไร อธิบายสั้นๆ.
2) การตรวจสอบขอบฟ้าอัตโนมัติ:
ฉันมีเส้นขอบฟ้าที่ติดตามโดยอัตโนมัติ ขอรายการตรวจสอบสำหรับการตรวจพบการข้ามของวงจร: ในส่วนใด ฉันควรมองหาอาการใด (แอมพลิจูดลดลง การกระโดดเชิงลึกกะทันหัน) ฉันจะยืนยันด้วยจุดเสมอกันได้อย่างไร และฉันจะแก้ไขตามลำดับใด
3) การทดสอบหมายเลขชั้นเรียน Facies:
ฉันกำลังทำการรวมกลุ่มใบหน้าโดยไม่ได้รับการดูแล ฉันลองตามจำนวนคลาส 4,6 และ 8 แผนที่ออกมาแตกต่างออกไป ฉันควรพิจารณาเกณฑ์ใด (การกระจายขนาดคลัสเตอร์ ความเข้ากันได้ดี ความสอดคล้องเชิงพื้นที่) เพื่อประเมินว่าคลัสเตอร์ใดมีความสมดุลทางธรณีวิทยามากกว่า เสนอแนะขั้นตอนการตัดสินใจ
4) การควบคุมการโอเวอร์ฟิต:
ฉันฝึกตัวแยกประเภทส่วนหน้าด้วยคุณสมบัติ [N] และหลุม [M] ฉันจะวัดความเสี่ยงของการประกอบอุปกรณ์มากเกินไปได้อย่างไร ฉันจะตั้งค่าการทดสอบ Blind Well ได้อย่างไร ฉันจะจำกัดจำนวนคุณลักษณะตามจำนวนหลุมได้อย่างไร ให้ขั้นตอนการดำเนินการได้
พรอมต์อ่อน / พรอมต์แรง
พรอมต์ที่อ่อนแอ:
ค้นหาอ่างเก็บน้ำในเล่มนี้และทำแผนที่
“ค้นหา” คาดหวังเวทย์มนตร์ขั้นตอนเดียว AI สร้างแผนที่ทางสถิติโดยไม่มีบริบททางธรณีวิทยา ซึ่งไม่สามารถตรวจสอบได้
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้เชี่ยวชาญด้านการตีความที่เน้นแหล่งเก็บข้อมูล บริบท: ระบบน้ำไหล, ทรายช่องเป้าหมาย, วิทยาหินที่รู้จักใน 3 หลุม งาน:(1) แนะนำการรวมกันของคุณลักษณะที่จะเน้นเรขาคณิตของช่องสัญญาณ (2) เขียนขั้นตอนในการแยกหน่วยงานของผู้สมัครโดยการจัดกลุ่มแบบไม่มีผู้ดูแล (3) บอกวิธีทดสอบผู้สมัครแต่ละคนด้วยหลุม 3 หลุมและหลุมบอดหลุมที่ 4 นำเสนอผลลัพธ์เป็นภาษา "ผู้สมัคร" ไม่ใช่ภาษา "ข้อเท็จจริงทางธรณีวิทยา"
บริบททางธรณีวิทยา การควบคุมบ่อน้ำ และความต้องการการทดสอบแบบปกปิดทำให้ผลผลิตสามารถป้องกันได้
งานล่ามและบทบาทของ AI
ภารกิจ
การมีส่วนร่วมของ AI
ความเสี่ยงหลัก
การตรวจสอบ
การติดตามขอบฟ้า
ความเร็วสูง
ข้ามวงจร
ดีผูก การตรวจสอบส่วนภาพ
การตรวจจับข้อผิดพลาด
กำลังสร้างผู้สมัคร
อย่าเข้าใจผิดว่ารอยเท้าของคุณเป็นความผิด
การควบคุมข้อมูลทิศทาง/ข้าม
การจำแนกประเภทใบหน้า
การจัดกลุ่ม
ชั้นเรียนที่ไร้ความหมาย
สภาพแวดล้อมที่ดีและมีการสะสม
การรวมคุณสมบัติ
ความแตกต่างที่แข็งแกร่ง
เหมาะสมเกินไป
การทดสอบบ่อน้ำตาบอด
ข้อผิดพลาดทั่วไป
- การแพร่กระจายเส้นขอบฟ้าอัตโนมัติโดยไม่ต้องตรวจสอบด้วยสายตา การข้ามรอบทำให้พื้นผิวเรียบแต่ไม่ถูกต้อง
- เข้าใจผิดทุกรูปแบบเชิงเส้นว่าเป็นข้อบกพร่อง รอยเท้าการซื้อกิจการสร้างเส้นปกติ ดูที่ทิศทางของมัน
- การระบุความหมายทางธรณีวิทยาโดยตรงต่อชั้นเรียนส่วนหน้า คลาสเป็นสถิติ สร้างความรู้สึกด้วยบ่อน้ำ
- คุณสมบัติมากขึ้น หลุมน้อยลง การติดตั้งมากเกินไปจะทำให้แผนที่กลายเป็นขยะระหว่างบ่อน้ำ
- ข้ามการทดสอบตาบอด ความแม่นยำในการวัดเฉพาะในบ่อฝึกซ้อมเท่านั้นที่ทำให้เกิดความเข้าใจผิด
โดยสรุป
AI ในการตีความแผ่นดินไหว โดยจะลดการติดตามขอบฟ้า/ข้อบกพร่องเป็นชั่วโมง จัดกลุ่มอาคารอย่างรวดเร็ว และรวมคุณลักษณะต่างๆ ได้อย่างมีประสิทธิภาพ แต่ทุกความเร็วที่เพิ่มขึ้นมีกับดัก: การข้ามวงจร, การเข้าใจผิดว่าเป็นรอยเท้า, หน้าที่ที่ไม่มีความหมาย, การติดตั้งมากเกินไป AI สร้างโครงร่างทางสถิติ เขาเป็นล่ามที่เปลี่ยนแบบร่างให้กลายเป็นความเป็นจริงทางธรณีวิทยา ทำความเข้าใจกับความรู้เกี่ยวกับบ่อน้ำและสภาพแวดล้อมที่ทับถม และทดสอบด้วยการทดสอบแบบตาบอด โมเดลใต้ดินขั้นสูงสุดนั้นเป็นแบบจำลองที่สร้างขึ้นและปกป้องโดยมนุษย์เสมอ
งานสมัคร
เลือกเป้าหมาย (ทรายช่องทาง เบกกิ้งโซดา ฯลฯ) สร้างแผนคุณลักษณะด้วยเทมเพลต "การให้คำปรึกษาในการเลือกคุณลักษณะ" จากนั้นใช้เทมเพลต “การทดสอบการนับจำนวนคลาส Facies” สำหรับการจัดกลุ่มแบบไม่ได้รับการดูแล และเปรียบเทียบจำนวนคลาสที่แตกต่างกันอย่างน้อยสองรายการ จดบันทึกว่าอันใดมีความเสถียรทางธรณีวิทยามากกว่า และบ่อทดสอบใดที่คุณจะใช้เพื่อยืนยันสิ่งนี้
รายการตรวจสอบ
- [ ] ฉันตรวจสอบขอบฟ้าอัตโนมัติในส่วนสำคัญด้วยสายตา และแก้ไขการข้ามรอบ
- [ ] ฉันแยกตัวเลือกข้อบกพร่องออกจากรอยเท้าด้วยข้อมูลทิศทางและข้อมูลแบบครอสโอเวอร์
- [ ] ฉันตีความชั้นเรียนด้านหน้าด้วยบ่อน้ำและสภาพแวดล้อมที่สะสม
- [ ] ฉันจำกัดจำนวนคุณลักษณะตามจำนวนหลุม
- [ ] ฉันทดสอบผลลัพธ์ในบ่อน้ำตาบอด