Mga nadagdag:
- Kakayahang linisin ang drilling log, lithology at grade data na may suporta sa AI at tuklasin ang mga hindi pagkakapare-pareho at mga error sa coding
- Kakayahang tumpak na iposisyon ang AI bilang pre-classification at hypothesis generator kapag binibigyang kahulugan ang core photography at geological observation
- Kakayahang i-cross-validate ang inferred lithology/alteration interpretation ng AI na may geologist observation at laboratory analysis
Ang batayan ng bawat proyekto ng pagmimina ay ang mga sample na kinuha mula sa ilalim ng lupa. Ang pinakamahalaga sa mga halimbawang ito ay ang drill core (isang tuluy-tuloy na sample na kinukuha ng drilling machine mula sa bato sa isang cylindrical na hugis). Sinusuri ng geologist ang core; Itinatala nito ang uri ng bato (lithology), istraktura, pagbabago (pagbabago ng bato sa pamamagitan ng mainit na tubig at mga epekto ng kemikal) at mineralization, at sinusuri ang mga sample ng laboratoryo para sa grado. Ang resulta ay isang malaking talahanayan na naitala metro bawat metro, na tinatawag na drilling log. Maaaring may daan-daang mga pagbabarena at libu-libong linya sa isang proyekto. Paglilinis ng data na ito, pagsasama-sama nito, pagkuha ng hindi pagkakapare-pareho at pagkuha ng mga paunang interpretasyon; Ito ay isang lugar kung saan ang AI ay talagang bumibilis, ngunit ang bawat hakbang ay kailangang ma-verify sa mata ng isang geologist. Sa unit na ito matututunan mo kung paano linisin ang data ng pagbabarena/geology gamit ang AI, kung paano i-pre-interpret ang pangunahing larawan at kung paano i-validate ang mga resulta.
Anatomy ng mga talahanayan ng data ng pagbabarena
Ang isang set ng data ng pagbabarena ay karaniwang binubuo ng apat na talahanayan, at ang pagsasama-sama ng mga ito nang tama ay kalahati ng trabaho:
- Collar: Ang panimulang coordinate (X, Y, Z) at kabuuang lalim ng bawat borehole.
- Survey (paglihis): Pagbabago sa slope (dip) at direksyon (azimuth) ng pagbabarena kasama ang lalim. Ang pagbabarena ay hindi kailanman ganap na tuwid.
- Lithology: Uri ng bato at heolohikal na mga obserbasyon sa buong hanay ng lalim (mula-hanggang).
- Assay: Mga resulta ng grado sa laboratoryo sa buong saklaw ng lalim (hal. Au g/t, Cu %).
Ang mga talahanayan na ito ay dapat sumunod sa mga panuntunan tulad ng mula < hanggang, ang mga hanay ay hindi dapat mag-overlap, at ang mga code ay dapat na pare-pareho. Sa totoong buhay, palaging may mga error sa manual na inilagay na data: nawawalang range, overlapping range, unit confusion (ppm at % mixing), iba't ibang spelling ng lithology code (GRN, Grn, granite), mga code gaya ng 999 o -9 sa halip na null value. Ang AI ay napakalakas sa pag-scan at pag-flag ng gayong mga hindi pagkakapare-pareho; Ngunit dapat mong gawin ang pagwawasto sa pag-apruba ng geologist.
Hakbang-hakbang: pagbabarena ng paglilinis ng data gamit ang AI
- Ipakilala ang data. Ibigay sa AI ang mga pangalan ng column, unit, at ilang sample na row (pag-anonymize sa aktwal na mga coordinate). Ilarawan nang malinaw kung ano ang dapat mangyari.
- Gumawa ng listahan ng mga panuntunan. Hilingin sa AI ang isang listahan ng "anong mga panuntunan sa pagkakapare-pareho ang dapat kong suriin para sa talahanayang ito", idagdag ang iyong sariling mga panuntunan sa itaas.
- Magsagawa ng inconsistency scan. Tanungin lang ang AI para sa pag-flag, hindi autocorrect. Humingi ng katwiran para sa bawat tanda.
- Bumalik sa hilaw na pinagmulan. Suriin ang bawat markang linya laban sa orihinal na log ng borehole o sertipiko ng laboratoryo.
- Magpasya na ayusin ito. Ginagawa ng geologist ang pagwawasto; Iminumungkahi lang ni AI.
Tip: Huwag sabihin sa AI "bigyan mo ako ng naitama na talahanayan"; Sabihin ang "i-flag ang mga kahina-hinalang linya na may dahilan". Sa isang autocorrecting table, halos imposibleng mapansin ang mga row na tahimik na sira.
Pangunahing larawan at visual na interpretasyon
Sa modernong mga proyekto, ang mga pangunahing kahon ay nakuhanan ng larawan. Ang mga multi-model na AI tool (mga modelo na maaari ding magproseso ng mga larawan) ay maaaring makagawa ng paunang interpretasyon mula sa mga larawang ito: pagbabago ng kulay, posibleng fracture density, pagkakaroon ng mga ugat, posibleng pagbabago ng mga zone. Ito ay mahalaga bilang isang paunang screening na nagsasabi sa geologist na "tingnang mabuti dito." Gayunpaman, ang mga desisyon sa lithology at pagbabago ay hindi kailanman ginawa mula sa mga larawan; Kinakailangan ang manu-manong pagsusuri sa core, hardness test, acid reaction at laboratory analysis. Ito ay isang malubhang pagkakamali para sa AI na magpahiwatig ng "may ginto" mula sa kulay; Ang ginto ay kadalasang hindi nakikita ng mata at makikilala lamang sa pamamagitan ng pagsusuri.
tatlong mini case
Case 1 — Unit interference capture. Sa isang proyekto, mayroong 12,000 row sa assay table. Ipinakilala ng geologist ang talahanayan sa AI at sinabing, "Ilista ang mga row na may mga value na higit sa 100 g/t sa Au column; maaaring ang mga ito ay totoong mataas na grado o paghahalo ng ppm/ppb." Ang AI ay nagmamarka ng 37 linya. Tinitingnan ng geologist ang mga sertipiko ng laboratoryo; Nalaman niya na 34 ang aktwal na naipasok bilang ppb (isa sa bawat bilyon) ngunit napagkamalan na naisip na g/t, habang 3 ang tunay na bonanza (napakataas na grado). Kung ang 34 na linyang ito ay hindi naitama, ang average na grado ay artipisyal na tataas at ang reserba ay magiging labis.
Case 2 — Nagpapatong na saklaw. Sa isang talahanayan ng lithology, ang ilan sa mga mula hanggang sa pagitan ay nagsasapawan: 45.0-52.0 m ng granite at 50.0-58.0 m ng shale ay tinukoy nang sabay-sabay. Inililista ng AI ang mga overlap na ito at nagpapakita ng kabuuang 19 na linya ng overlap. Ang geologist ay lumiliko sa raw log; hinahanap at itinatama ang paglilipat ng linya sa pagpasok ng data. Kung ang mga magkakapatong na agwat ay hindi naitama, mananatiling hindi malinaw kung aling uri ng bato ang itatalaga sa modelo ng bloke at mali ang pagkakakalkula ng tonelada.
Case 3 — Maling visual inference (babala). Ang isang intern ay nagbibigay ng pangunahing larawan sa AI at nagtanong, "Mayroon bang anumang mineral sa zone na ito?" Nakikita ng AI ang pamumula at mga ugat at nagsasabing "mataas ang posibleng mineralization." Pinoproseso ito ng intern sa log bilang "mineralized". Samantalang ang pamumula ay iron oxide staining at hindi naglalaman ng economic ore; Nahanap ng pagsusuri sa laboratoryo ang grado sa mga antas ng bakas. Aralin: hindi matukoy ang grado/ore mula sa larawan; Ang output ng AI ay isang tanda lamang na "suriin", na na-verify sa pamamagitan ng pagsusuri.
Nakokopya na mga template ng prompt
DRILL DATA CONSISTENCY SCANNING "Tungkulin: Isa kang assistant resource/database geologist. Nasa ibaba ang isang [lithology/assay] table na may pagitan mula-to. Mga Column: [listahan, na may mga unit]. Markahan ang mga sumusunod na hindi pagkakapare-pareho sa ROW number at dahilan: mula>=to, magkakapatong na hanay, gap, pinaghihinalaang unit mix-up, sa halip na blangko ang pag-uulit/out ng code, ibang code sa pag-uulit/out ng code. (999/-9 HUWAG TAMA, markahan lang ang Talahanayan: [i-paste].”
LITHOLOGY CODE STANDARDIZATION "Ang mga sumusunod na lithology code ay ipinasok sa pamamagitan ng kamay at hindi pare-pareho. Igrupo ang iba't ibang spelling ng parehong uri ng bato (hal. GRN/Grn/granite). Sumulat ng iisang inirerekomendang standard code para sa bawat grupo. Sa isang talahanayan: [original codes] -> [recommended standard]. Markahan ang mga pangkat na hindi mo sigurado sa akin nang hiwalay. Code: let: let.
CORE PHOTO PRE-SCANNING "Ilista ang mga visual features na dapat kong mapansin sa core photo na ito: color change zones, possible fracture/fracture density, visible vein, possible alteration mark. Isulat ang mga ito bilang isang HYPOTHESIS; HUWAG magpasya sa uri ng bato o grado. Para sa bawat feature, ipahiwatig kung ano ang dapat suriin ng geologist sa field."
GEOLOGICAL LOG SUMMARY "Ang sumusunod na teksto ay ang geological log ng isang pagbabarena. Gawing isang structured na buod na may mga sumusunod na heading: dominanteng lithologies at depth ranges, alteration zones, structural notes (fault/fracture), mineralization observations. Huwag magdagdag ng anumang bagay na WALA sa text; markahan ang mga hindi malinaw na parirala."
Mahinang prompt / Malakas na prompt
WEAK PROMPT: "Ayusin ang data ng pagbabarena na ito."
MALAKAS NA PROMPT: "Tungkulin: Isa kang assistant database geologist. Sa assay table sa ibaba, i-flag LAMANG ang mga kahina-hinalang row (mula sa>=to, ppm/% pinaghihinalaang adulteration, negatibong halaga, 999 sa halip na blangko). Ibigay ang numero ng row + dahilan para sa bawat flag. HUWAG mag-autocorrect; Susuriin ko ang pagwawasto mula sa raw na certificate. Mga Columns: Hole,(ID. [i-paste]."
Ang mahinang prompt ay nagsasabi sa AI "magpasya ka at magbago"; Nililimitahan ng malakas na prompt ang AI sa pagmamarka, na iniiwan ang awtoridad sa pagwawasto sa geologist.
Talahanayan ng paghahambing: Paano gamitin ang AI sa aling negosyo
Paghanap
Ang papel ng AI
kaninong desisyon
pagpapatunay
Pagmamarka ng hindi pagkakapare-pareho
Napakahusay na browser
inaayos ng geologist
Raw log/certificate
Pagsasama ng Lithology code
Mungkahi
Kinumpirma ng geologist
Code diksyunaryo
Pangunahing komento sa larawan
Pre-screening/hypothesis
Geologist/laboratoryo
Manu-manong inspeksyon + pagsusuri
Grade/ore na desisyon
Hindi ginagamit
laboratoryo
Akreditadong pagsusuri
Ibuod ang teksto ng log
configurator
geologist
Paghahambing sa orihinal na teksto
Mga karaniwang pagkakamali
- Ang pagkakaroon ng AI "autocorrect" ang talahanayan. Maaaring hindi mo mapansin ang mga tahimik na pagbaluktot; markahan mo lang.
- Pagkuha ng grade/ore mula sa pangunahing larawan. Ang ginto ay kadalasang hindi nakikita ng mata; Ang desisyon ay ang iyong pagsusuri.
- Pag-paste ng mga totoong coordinate nang hindi nagpapakilala. Ang lisensya at mga coordinate ay sensitibong data.
- Hindi inihahambing ang buod ng AI sa orihinal na log. Maaaring magdagdag ang AI ng obserbasyon na wala sa text (hallucination).
- Hindi pinapansin ang hindi pagkakatugma ng unit. Ang paghahalo ng ppm/%/g/t/ppb ay direktang nakakaabala sa reserba.
Pansin: Ang isang error sa unit sa data ng pagbabarena ay hindi nananatili sa isang linya; Ang compositing ay lumalaki at kumakalat sa buong forecast at reserba. Ang kasipagan sa yugto ng paglilinis ay tumutukoy sa pagiging maaasahan ng lahat ng kasunod na mga account.
Sa buod
Binubuo ang data ng pagbabarena/heolohiya ng apat na pangunahing talahanayan (kwelyo, survey, lithology, assay) at ang mga panuntunan sa pagkakapare-pareho ay mahalaga. Ang AI ay isang mahusay na tulong sa data inconsistency scanning, code standardization, log summarization at core photo pre-scanning. Gayunpaman, ang desisyon sa pagwawasto ay pagmamay-ari ng geologist, at ang grade/ore na desisyon ay pagmamay-ari ng laboratoryo. Huwag i-edit ang marka ng AI, i-verify ang bawat marka mula sa raw na pinagmulan, at huwag kailanman maghinuha ng marka mula sa larawan.
Gawain ng aplikasyon
I-anonymize ang isang assay table na mayroon ka (o isang sample) at ibigay ito sa AI na may template na "Drilling data consistency scan." I-import ang minarkahang mga hilera sa isang talahanayan; Isaalang-alang ang isang tala na "masusuri mula sa raw source" para sa bawat isa. Pagkatapos ay gumawa ng diksyonaryo ng code gamit ang template na "Lithology code standardization" at hiwalay na tandaan ang mga pangkat na hindi sigurado ng AI. Panghuli, paunang i-scan ang isang pangunahing larawan at isulat kung ano ang iyong susuriin sa field para sa bawat hypothesis na lalabas.
checklist
- [ ] Ginawa kong anonymize ang aktwal na impormasyon ng coordinate/license bago ibigay ang data sa AI.
- [ ] Humingi ako sa AI ng isang makatwirang pagmamarka, hindi isang pagwawasto.
- [ ] Sinuri ko ang bawat linyang minarkahan laban sa raw log/lab certificate.
- [ ] Na-verify ko rin ang consistency ng volume (g/t, %, ppm, ppb).
- [ ] Itinuring ko ang pangunahing output ng larawan bilang isang hypothesis, hindi ako gumawa ng desisyon sa grado.
- [ ] Inihambing ko ang buod ng AI sa orihinal na teksto ng log upang i-verify na walang idinagdag na impormasyon.