การประมวลผลและการตีความข้อมูลแรงโน้มถ่วงและแม่เหล็ก

กำไร:

• ความสามารถในการทำความเข้าใจการแก้ไขการประมวลผลภาคสนามที่อาจเกิดขึ้น (Bouguer, ที่ดิน, บันทึก, IGRF) และความไวของพารามิเตอร์ของการแยกสารตกค้างในระดับภูมิภาค และทดสอบด้วยการแยกที่แตกต่างกัน
• ความสามารถในการตีความตำแหน่งของแหล่งกำเนิดได้อย่างถูกต้อง โดยคำนึงถึงความไม่แน่นอนของความลึก-แอมพลิจูด และผลกระทบจากละติจูดแม่เหล็ก (ลดลงเหลือขั้ว)
• ความสามารถในการตรวจสอบความถูกต้องของการตีความภาคสนามที่อาจเกิดขึ้นกับสถานการณ์ทางเลือกและแผ่นดินไหว/หลุม โดยไม่ต้องล็อคการตีความภาคสนามที่อาจเกิดขึ้นให้เป็นแบบจำลองเดียว

วิธีแผ่นดินไหวมีราคาแพงและไม่สามารถนำมาใช้ได้ทุกที่ นี่คือจุดที่วิธีการสนามแม่เหล็กที่อาจเกิดขึ้น เช่น แรงโน้มถ่วงและสนามแม่เหล็ก เข้ามามีบทบาท: วิธีการที่มีราคาไม่แพงนัก ซึ่งจะสแกนพื้นที่ขนาดใหญ่ได้อย่างรวดเร็ว และเผยให้เห็นโครงสร้างคร่าวๆ ของแอ่งและเนื้อแร่ วิธีแรงโน้มถ่วงจะวัดการเปลี่ยนแปลงแรงโน้มถ่วงเพียงเล็กน้อยที่เกิดจากความแตกต่างของความหนาแน่นใต้ดิน วิธีการแม่เหล็กจะวัดการเปลี่ยนแปลงของสนามแม่เหล็กที่เกิดจากความแตกต่างในการทำให้เกิดแม่เหล็ก (ความไวต่อแม่เหล็ก) ของหิน ในหน่วยนี้ เราจะอธิบายว่าปัญญาประดิษฐ์ (AI) ช่วยเร่งการประมวลผลของทั้งสองวิธีได้อย่างไร การเลือกปฏิบัติที่ผิดปกติ และการประมาณค่าเชิงลึก เราจะได้เห็นว่าเหตุใดความไม่แน่นอนที่รุนแรงในสาขาที่มีศักยภาพจึงจำเป็นต้องใช้ AI ด้วยความระมัดระวังเป็นพิเศษ

ลักษณะของข้อมูลภาคสนามที่เป็นไปได้

เริ่มจากพจนานุกรมกันก่อน ความผิดปกติ การเบี่ยงเบนจากค่าภูมิภาคที่คาดหวัง กล่าวอีกนัยหนึ่ง มันเป็นลายเซ็นของโครงสร้างใต้ดินที่เราสนใจ ในแรงโน้มถ่วง การวัดดิบต้องผ่านการแก้ไขหลายอย่าง: การแก้ไขอากาศอิสระ (ผลกระทบของระดับความสูง) การแก้ไขบูเกร์ (ผลกระทบของมวลหินระหว่างการวัดและการอ้างอิง) และการแก้ไขภูมิประเทศ (ผลกระทบของภูมิประเทศ) ความผิดปกติของ Bouguer ที่เกิดขึ้นสะท้อนถึงความแตกต่างของความหนาแน่นใต้ผิวดิน ในสนามแม่เหล็ก ความแปรผันรายวันและสนามหลัก (IGRF) จะถูกลบออกเพื่อให้ได้ความผิดปกติของสนามแม่เหล็ก

ความท้าทายหลักของสนามที่เป็นไปได้คือความไม่แน่นอนของความลึกและแอมพลิจูด: แหล่งกำเนิดขนาดเล็กและตื้นและแหล่งกำเนิดขนาดใหญ่และลึกสามารถสร้างความผิดปกติของพื้นผิวได้เกือบเหมือนกัน นี่คือสถานะสนามที่เป็นไปได้ของการเกิดแผ่นดินไหวหลายส่วน และ AI ไม่ได้กำจัดมันออกไป - มันแค่เร่งความเร็วเท่านั้น นั่นเป็นสาเหตุที่ฉันมักจะถามเสมอว่า "มีโมเดลกี่แบบที่อธิบายความผิดปกตินี้" มีการถามคำถาม

AI ในการประมวลผลและการแยกภาคสนาม

หัวใจสำคัญของการประมวลผลภาคสนามที่เป็นไปได้คือการแยกส่วนภูมิภาค-สารตกค้าง: การแยกส่วนประกอบในระดับภูมิภาคที่เปลี่ยนแปลงอย่างช้าๆ จากแหล่งที่กว้างและลึก และส่วนประกอบที่เหลือจากแหล่งน้ำตื้นในท้องถิ่น วิธีการคลาสสิกคือตัวกรองพหุนามหรือตัวกรองความยาวคลื่น วิธีการที่ใช้ AI สามารถทำให้ความแตกต่างนี้มีความยืดหยุ่นมากขึ้นโดยการเรียนรู้จากตัวอย่าง นอกจากนี้ คุณสมบัติตามอนุพันธ์—อนุพันธ์แนวนอน/แนวตั้ง สัญญาณการวิเคราะห์ มุมเอียง—เน้นขอบของแหล่งที่มา AI สามารถรวมคุณลักษณะเหล่านี้และทำเครื่องหมายผู้สมัครที่ขอบและทรัพยากรได้โดยอัตโนมัติ

ความเสี่ยงคือพารามิเตอร์ตัวกรอง (ความยาวคลื่นตัด) จะเปลี่ยนการตีความโดยสิ้นเชิง ข้อมูลเดียวกันจะสร้างแผนที่ที่เหลือซึ่งมีความแตกต่างกันโดยสิ้นเชิง แม้ว่า AI จะแนะนำการแยกส่วน ผู้เชี่ยวชาญจะตรวจสอบว่าการแยกนั้นเหมาะสมกับความลึกของเป้าหมายหรือไม่

เคล็ดลับ: อย่าแก้ไขความแตกต่างของภูมิภาค-สารตกค้างด้วยพารามิเตอร์ตัวเดียว สร้างแผนที่ที่เหลือสามหรือสี่แผนที่ที่มีความยาวคลื่นตัดกันที่แตกต่างกัน และดูว่าความผิดปกติของเป้าหมายดูสอดคล้องกันในแผนที่ทั้งหมดหรือไม่ ความผิดปกติที่ปรากฏเพียงความแตกต่างเดียวมักเป็นสิ่งประดิษฐ์ของพารามิเตอร์

การประมาณความลึกและระบบอัตโนมัติ

วิธีการต่างๆ เช่น การแยกส่วนแบบออยเลอร์ และการแยกส่วนแบบเวอร์เนอร์ ใช้ในการประมาณความลึกของแหล่งกำเนิดในพื้นที่ที่มีศักยภาพ สิ่งเหล่านี้ประมาณตำแหน่งแหล่งที่มาและความลึกจากการไล่ระดับสีของความผิดปกติ AI สามารถเร่งการคาดการณ์เหล่านี้และสร้าง "คลาวด์เชิงลึก" ที่สะอาดยิ่งขึ้นโดยการจัดกลุ่มโซลูชันหลายพันรายการ อย่างไรก็ตาม วิธีการเหล่านี้มีความอ่อนไหวต่อปัจจัยนำเข้า เช่น ดัชนีโครงสร้าง ซึ่งเป็นสมมติฐานที่กำหนดรูปทรงของแหล่งกำเนิด การสันนิษฐานที่ผิดทำให้เกิดความลึกที่ผิดพลาดอย่างเป็นระบบ แผนที่ความลึกที่ AI ​​สร้างขึ้นจะได้รับการตรวจสอบโดยความเป็นไปได้ทางธรณีวิทยาและแผ่นดินไหว/หลุมหากเป็นไปได้เสมอ

ข้อควรระวัง: เนื่องจากผลกระทบของขั้วและละติจูดในข้อมูลแม่เหล็ก ความผิดปกติอาจไม่อยู่เหนือแหล่งที่มาโดยตรง ในซีกโลกเหนือ ความผิดปกติอาจเลื่อนไปทางใต้ของแหล่งกำเนิด อย่ายอมรับ "ศูนย์ทรัพยากร" ที่ AI ทำเครื่องหมายไว้โดยที่ไม่มีการลดลงเหลือขั้ว

การตีความบูรณาการกับแผ่นดินไหว

เขตข้อมูลที่มีศักยภาพเพียงอย่างเดียวมีความละเอียดต่ำ พลังที่แท้จริงของพวกเขาปรากฏในการตีความร่วมกัน แรงโน้มถ่วงให้ความลึกของแอ่ง แม่เหล็กให้ภูมิประเทศของฐาน และแผ่นดินไหวให้โครงสร้างที่ละเอียด AI ช่วยรวมชั้นข้อมูลที่แตกต่างกันเหล่านี้ให้เป็นแบบจำลองทั่วไป (การรวมข้อมูล) แต่การประกอบจะอยู่ภายใต้การดูแลของผู้เชี่ยวชาญ โดยคำนึงถึงความละเอียดและความไม่แน่นอนของแต่ละวิธี

มินิเคสสามอัน

กรณีที่ 1 — การตีขอบอ่างให้แคบลง ในโครงการความร้อนใต้พิภพ จำเป็นต้องค้นหาขอบแอ่ง (ขั้นข้อบกพร่อง) ด้วยข้อมูลแรงโน้มถ่วง การตรวจจับขอบที่ได้รับความช่วยเหลือจาก AI (มุมเอียง + สัญญาณการวิเคราะห์) ทำเครื่องหมายเส้นขอบที่เป็นตัวเลือก 12 เส้น ทีมงานได้ตรวจสอบสิ่งเหล่านี้ด้วยบ่อแม่เหล็กและบ่อที่มีอยู่สองแห่ง 5 สอดคล้องกับขั้นตอนข้อบกพร่องของชั้นใต้ดิน 7 เกิดจากเสียงรบกวน ขอบที่ได้รับการตรวจสอบได้ย้ายตำแหน่งหลุมไป 800 ม.

กรณีที่ 2 — ความเข้าใจผิดของเอฟเฟกต์ละติจูด ในการสำรวจแร่ จุดศูนย์กลางของความผิดปกติของสนามแม่เหล็กถูกเลือกให้เป็นเป้าหมายการขุดเจาะโดยตรง บ่อน้ำแรกว่างเปล่า ต่อมา เมื่อลดขนาดลงไปที่ขั้วโลก ก็เข้าใจว่าแหล่งกำเนิดที่แท้จริงอยู่ห่างจากศูนย์กลางความผิดปกติไปทางเหนือ 300 เมตร โดยไม่สนใจผลกระทบจากละติจูด เพลาที่สองพบตัวแร่

กรณีที่ 3 — โกสต์ขึ้นอยู่กับพารามิเตอร์ ทีมหนึ่งเห็น "โครงสร้างฝังตัว" ที่ชัดเจนในแผนที่ที่เหลือซึ่งเกิดจากความยาวคลื่นที่ตัดกันเพียงจุดเดียว เมื่อแผนที่ถูกสร้างขึ้นใหม่ด้วยค่าจุดตัดที่แตกต่างกัน โครงสร้างจะสูญหายไป นี่เป็นพารามิเตอร์ที่สร้างขึ้นจากความแตกต่างระหว่างภูมิภาคและสารตกค้าง ไม่ใช่แหล่งที่มาที่แท้จริง

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การควบคุมการแก้ไขเครื่องจักร:

บทบาทของคุณ: ผู้เชี่ยวชาญด้านการตัดเฉือนด้วยแรงโน้มถ่วง/แม่เหล็ก ผลผลิต: [แรงโน้มถ่วงของพื้นดิน ภูมิประเทศที่ขรุขระ] แสดงรายการฉันตามลำดับการแก้ไขที่ฉันจำเป็นต้องใช้ (อากาศฟรี, Bouguer, ภูมิประเทศ; รายวัน +IGRF เมื่อรับสินค้า) สำหรับการแก้ไขแต่ละครั้ง ให้เขียนข้อผิดพลาดทั่วไปและผลที่ตามมาในความคิดเห็นหากละไว้

2) การทดสอบการเลือกปฏิบัติด้านสารตกค้างในระดับภูมิภาค:

ฉันกำลังทำการเลือกปฏิบัติในระดับภูมิภาคและส่วนที่เหลือ ความลึกเป้าหมายของฉันคือ ~[X] กม. ฉันจะเลือกความยาวคลื่นคัตออฟได้อย่างไร ขอขั้นตอนในการเปรียบเทียบแผนที่ที่เหลือซึ่งสร้างด้วยค่าจุดตัดที่แตกต่างกัน: ฉันจะแยกแยะได้อย่างไรว่าความผิดปกติใดเป็นของจริง และส่วนใดเป็นอาร์ติแฟกต์ของพารามิเตอร์

3) การควบคุมการประมาณความลึก:

ฉันประมาณความลึกด้วยการแยกส่วนออยเลอร์ อธิบายว่าการเลือกดัชนีโครงสร้างของฉันส่งผลต่อผลลัพธ์อย่างไร ฉันจะเปรียบเทียบการกระจายเชิงลึกที่ได้รับกับดัชนีต่างๆ และยืนยันความน่าเชื่อถือทางธรณีวิทยาและแผ่นดินไหวได้อย่างไร

4) การแก้ไขตำแหน่งการเชื่อมแม่เหล็ก:

ก่อนที่จะทำให้ศูนย์กลางของความผิดปกติของสนามแม่เหล็กของฉันเป็นเป้าหมายการเจาะ ให้อธิบายผลกระทบละติจูดและความจำเป็นในการลดให้เหลือขั้วก่อน ฉันจะบัญชีชดเชยระหว่างตำแหน่งจริงของแหล่งที่มาและศูนย์กลางความผิดปกติได้อย่างไร บอกฉันทีละขั้นตอน

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

บอกฉันหน่อยว่าแร่อยู่ที่ไหนบนแผนที่แรงโน้มถ่วงนี้

พื้นที่ที่มีศักยภาพเพียงอย่างเดียวไม่ได้บ่งบอกถึงแร่ AI ซ่อนความไม่แน่นอนและก่อให้เกิดความแน่นอนที่ผิดพลาดเพียงจุดเดียว

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้ที่อาจเป็นนักวิจารณ์ภาคสนาม บริบท: แผนที่ความผิดปกติของ Bouguer, แร่ซัลไฟด์เป้าหมาย, มีบ่อสองแห่ง งาน:(1) ทำเครื่องหมายขอบเขตทรัพยากรของผู้สมัครด้วยคุณลักษณะการตรวจจับขอบ (2) จัดเตรียมสถานการณ์จำลองเชิงลึกความหนาแน่นอย่างน้อยสองสถานการณ์สำหรับผู้สมัครแต่ละคน ทั้งแบบตื้นเล็กและลึก-ใหญ่ (3) บอกฉันว่ามีข้อมูลเพิ่มเติมใดบ้าง (แม่เหล็ก แผ่นดินไหว เช่นกัน) ที่คุณแนะนำเพื่อแยกสถานการณ์เหล่านี้ อย่าให้ตำแหน่งทรัพยากรที่แน่นอนเพียงแห่งเดียว

สถานการณ์ความไม่แน่นอนและการร้องขอข้ามข้อมูลทำให้การตีความภาคสนามเป็นไปได้อย่างซื่อสัตย์และสามารถป้องกันได้

การเปรียบเทียบวิธีการ

คุณสมบัติ

แรงโน้มถ่วง

แม่เหล็ก

การมีส่วนร่วมของ AI

ความแตกต่างที่วัดได้

ความหนาแน่น

การทำให้เป็นแม่เหล็ก

การรวมคุณสมบัติ

เป้าหมายทั่วไป

กะละมัง เกลือ แร่

ข้อเท็จจริงแร่

ขอบ/เครื่องหมายเชื่อม

ความไม่แน่นอนหลัก

ความลึก-ความกว้าง

ละติจูด/ผลกระทบขั้วโลก

ลดความไม่แน่นอนลง

การแก้ไขที่สำคัญ

บูเกอร์, ที่ดิน

รายวัน, IGRF, RTP

ระบบอัตโนมัติการควบคุม

ข้อผิดพลาดทั่วไป

• ข้อแตกต่างเพียงอย่างเดียวคือการเชื่อถือแผนที่ทันที อย่าประกาศโครงสร้างโดยไม่ทดสอบความผิดปกติด้วยค่าจุดตัดที่แตกต่างกัน
• ข้ามเอฟเฟกต์ละติจูด ศูนย์กลางความผิดปกติของสนามแม่เหล็กไม่ได้อยู่เหนือแหล่งกำเนิดโดยตรง
• การเลือกดัชนีโครงสร้างโดยพลการ ความลึกของออยเลอร์มีความอ่อนไหวต่อสมมติฐานนี้มาก
• โดยพิจารณาพื้นที่ที่มีศักยภาพเพียงอย่างเดียวเป็นที่แน่ชัด ความละเอียดต่ำ รวมกับแผ่นดินไหว/หลุม
• ปักหลักโมเดลเดียวที่ซ่อนความไม่แน่นอน อย่าลืมสร้างสถานการณ์ตื้นขนาดเล็กและลึกขนาดใหญ่

โดยสรุป

วิธีการแรงโน้มถ่วงและแม่เหล็กจะสแกนพื้นที่ขนาดใหญ่ในราคาถูกและให้โครงร่างคร่าวๆ ของแอ่งและโครงสร้างแร่ AI เร่งการเรนเดอร์ การมาร์กขอบ/แหล่งที่มา และการประมาณความลึก แต่ความไม่แน่นอนของความลึก-แอมพลิจูด เอฟเฟกต์ละติจูด และความไวของพารามิเตอร์ที่มีอยู่ในฟิลด์ที่เป็นไปได้ ทำให้เอาท์พุต AI มีความเปราะบางอย่างยิ่ง การใช้งานที่ถูกต้อง: การสร้างหลายสถานการณ์ การทดสอบด้วยพารามิเตอร์ที่แตกต่างกัน การสังเกตฟิสิกส์ เช่น การลดระดับลงถึงขั้ว และรวมกับแผ่นดินไหว/หลุม การตีความขั้นสุดท้ายเป็นของผู้เชี่ยวชาญที่ไม่ปิดบังความไม่แน่นอน

งานสมัคร

เลือกความผิดปกติของแรงโน้มถ่วงหรือสนามแม่เหล็ก (ของจริงหรือตัวอย่าง) สร้างขั้นตอนการเปรียบเทียบสำหรับความยาวคลื่นตัดที่แตกต่างกันด้วยเทมเพลต "การทดสอบการเลือกปฏิบัติต่อสารตกค้างในระดับภูมิภาค" หากเป็นแม่เหล็ก ให้ประเมินผลกระทบละติจูดด้วยเทมเพลต "การแก้ไขตำแหน่งแหล่งกำเนิดแม่เหล็ก" เขียนสถานการณ์ใต้ผิวดินที่แตกต่างกันอย่างน้อยสองสถานการณ์ที่อธิบายความผิดปกติและข้อมูลเพิ่มเติมเพื่อแยกแยะความแตกต่าง

รายการตรวจสอบ

• [ ] ฉันใช้การแก้ไขการเรนเดอร์ทั้งหมด (Bouguer/terrain หรือ log/IGRF)
• [ ] ฉันทดสอบความแตกต่างในระดับภูมิภาค-สารตกค้างด้วยพารามิเตอร์ที่แตกต่างกัน
• [ ] ฉันคำนึงถึงเอฟเฟกต์ละติจูด/การลดขั้วในสนามแม่เหล็ก
• [ ] ฉันได้สร้างสถานการณ์จำลองความลึกอย่างน้อยสองสถานการณ์สำหรับความผิดปกตินี้
• [ ] ฉันตรวจสอบผลลัพธ์แบบไขว้ด้วยวิธีแผ่นดินไหว/หลุม/อื่นๆ