Saha Verisi, Sondaj Logları ve Litolojik Sınıflandırma — Jeoloji Mühendisliğinde Yapay Zeka

Kazanimlar:

Sondaj logları, karot tanımları ve saha notlarının AI ile yapılandırılması ve litolojik sınıflandırmasını yürütebilme
Serbest metin saha gözlemlerini standart jeolojik terminolojiye ve tablolara dönüştürebilme
AI ile üretilen litolojik yorumları karot fotoğrafı, log eğrileri ve stratigrafik makullükle doğrulayabilme

Jeoloji mühendisliğinin ham maddesi veridir ve bu verinin büyük kısmı düzensiz doğar. Bir sahada tutulan karot tanımları, farklı jeologların farklı kelimelerle yazdığı serbest metinlerdir; bir sondaj kampanyasının logları farklı formatlarda, farklı birimlerde, kimi zaman elle kimi zaman dijital tutulmuştur; saha defterindeki notlar kısaltmalar ve kişisel alışkanlıklarla doludur. Bu ünitede yapay zekanın en somut ve en güvenli kazanç alanını işliyoruz: dağınık saha verisini yapılandırmak (sorgulanabilir tablolara çevirmek), standartlaştırmak (ortak terminolojiye getirmek) ve ön litolojik sınıflandırma (kaya türü ayrımı) yapmak. Ama baştan söyleyelim: yapay zeka veriyi düzenler, jeolojik yorumu mühendis onaylar.

Önce iki temel terimi netleştirelim. Sondaj logu, bir kuyu boyunca derinliğe karşı ölçülen özelliklerin kaydıdır; bu ölçümler jeolojik (litoloji, ayrışma) veya jeofiziksel (gama ışını, direnç, yoğunluk) olabilir. Karot (İngilizce core), sondajla yerin altından silindirik olarak çıkarılan kaya örneğidir; yer altını doğrudan gözleme imkanı verdiği için en değerli kanıttır. Litoloji ise kayanın türü ve fiziksel karakteridir (kumtaşı, kireçtaşı, şist gibi).

Serbest Metni Yapılandırmak

Bir saha jeoloğu şöyle bir tanım yazar: "0-3.2 m kahverengi, gevşek, killi çakıl, kötü boylanmış; 3.2-7.5 m gri, orta ayrışmış, ince-orta taneli kumtaşı, seyrek karbonat çimentolu; 7.5-12 m açık gri, sağlam, çatlaklı kireçtaşı, 9 m'de kalsit damarı." Bu tek cümle, aslında bir tablonun sıkıştırılmış halidir: derinlik aralığı, renk, ayrışma derecesi, litoloji, tane boyu, ikincil özellikler. Yapay zeka bu sıkıştırmayı açar.

Kritik nokta şudur: modelden çıkarım değil, dönüşüm isteyin. Yani metinde açıkça yazan bilgiyi alanlara yerleştirsin; metinde olmayanı uydurmasın. "Ayrışma derecesi" alanı için jeolog "orta ayrışmış" yazdıysa model bunu yazar; jeolog hiç belirtmediyse model "belirtilmemiş" yazmalı, bir değer uydurmamalıdır. Bu ayrım, veri bütünlüğünün temelidir.

Adım adım: bir karot defterini tabloya çevirmek

Şemayı önce siz tanımlayın. Hangi sütunlar olacak: derinlik_üst, derinlik_alt, litoloji, renk, tane_boyu, ayrışma, süreksizlik, ikincil_mineral, not. Şemayı modele siz dayatın ki çıktı tutarlı olsun.
Standart sözlüğü verin. Litoloji için izin verilen terimleri (kumtaşı, silttaşı, kireçtaşı, marn, kiltaşı, konglomera...) ve ayrışma için ölçeği (taze, hafif, orta, yüksek, tam) verin. Böylece "biraz bozuşmuş" gibi ifadeler standarda oturur.
Küçük parti işleyin. Tüm defteri tek seferde değil, 20-30 satırlık partiler halinde verin; hataları erken yakalarsınız.
Kaynağa dönüp doğrulayın. Çıkan tablonun rastgele satırlarını ham metinle karşılaştırın; özellikle derinlik sınırlarını ve litoloji terimlerini.

Litolojik Sınıflandırma: Loglardan Yoruma

Yapay zeka litolojiyi iki yoldan destekler. Birincisi, yukarıdaki gibi jeoloğun tanımını standarda oturtmaktır. İkincisi ve daha ileri olanı, jeofizik log eğrilerinden litoloji tahminidir. Örneğin gama ışını logu (kayanın doğal radyoaktivitesi) kil içeriğiyle artar; killi seviyeler yüksek, temiz kumtaşları ve kireçtaşları düşük değer verir. Direnç ve yoğunluk logları da eklenince model, eğri örüntülerinden litoloji sınırlarını önerebilir.

Buradaki sınır önemlidir: loglar dolaylı ölçümlerdir. Yüksek gama, kil de olabilir, feldspatça zengin bir kum veya volkanik kül de olabilir. Bu yüzden log tabanlı litoloji tahmini bir hipotezdir; karotla veya kırıntı (İngilizce cutting, sondaj sırasında yüzeye gelen kaya kırıntıları) örnekleriyle bağlanmadıkça kesin değildir. Model bir sınır çizdiğinde, o derinlikte karot var mı diye sorun; varsa karot kazanır.

Üç Mini Vaka: Rakamlarla

Vaka 1 — Standartlaştırma tutarlılığı. Bir maden şirketinde 6 farklı jeolog, "ayrışmış granit" için 11 farklı ifade kullanmıştı (bozuşmuş, altere, çürük, killeşmiş...). Yapay zeka destekli standartlaştırma, 4.800 satırlık veri tabanını 5 kademeli ayrışma ölçeğine oturttu; sonrasında "orta-yüksek ayrışmış zonlar" sorgusu saniyeler sürdü, önceden bu elle günler alıyordu. Standartlaştırmanın rastgele %10'u karotla kontrol edildi, uyum yüksekti.

Vaka 2 — Log korelasyonu ön taslağı. İki komşu kuyuda (150 m arayla) gama loglarından litoloji korelasyonu yapılacaktı. Model, dört ortak seviyeyi eşleştiren bir ön korelasyon önerdi ve bir seviyede kalınlık farkını "olası fay veya kama-out" diye işaretledi. Mühendis, işaretlenen zonun karotuna bakınca gerçekten küçük bir faylanma buldu; model kesin cevabı vermedi ama dikkati doğru yere çekti.

Vaka 3 — Uydurulmuş sınırın yakalanması. Bir kuyuda model, karot verisi olmayan 40-45 m aralığına "bazalt" litolojisi atadı. Bölgede bazalt beklenmiyordu; kayıtta yalnızca gama artışı vardı. Jeolojik makullük süzgeci devreye girdi, o aralıktan kırıntı örneği istendi ve seviyenin killi silttaşı olduğu görüldü. Model, yüksek gamayı yanlış yorumlamıştı.

Zayıf Prompt / Güçlü Prompt

Zayıf prompt:

Bu karot tanımlarını tabloya çevir.[metin]

Güçlü prompt:

Güçlü prompt şemayı, sözlüğü ve "uydurma yasağını" birlikte dayatır; çıktı hem tutarlı hem denetlenebilir olur.

Dört Kopyalanabilir Şablon

1) Saha defteri standartlaştırma:

Aşağıdaki saha notunu standart terminolojiye çevir. Kısaltmaları aç(örn. "k.taşı"->"kumtaşı"), ama içeriği DEĞİŞTİRME. Belirsiz ifadeleri"[belirsiz]" olarak işaretle ve orijinal ifadeyi parantezde koru.Not: [saha notu]

2) Log tabanlı litoloji hipotezi:

Aşağıdaki log verisinden (derinlik, gama, direnç, yoğunluk) olası litolojisınırlarını öner. Her sınır için: (a) hangi eğri değişiminden çıkardığını,(b) alternatif litoloji olasılığını, (c) karotla doğrulama gerekliliğini yaz.Hiçbir sınırı "kesin" diye sunma.Veri: [log tablosu]

3) İki kuyu korelasyon taslağı:

Kuyu-A ve Kuyu-B loglarını karşılaştır. Eşleşen seviyeleri, eşleşmegerekçesini ve eşleşmeyen/şüpheli zonları ayrı listele. Fay, aşınma veyafasiyes değişimi olasılıklarını "doğrulanmalı" etiketiyle belirt.Veri: [iki kuyu logu]

4) Veri kalite kontrolü:

Aşağıdaki litoloji tablosunda mantık hatası ara: çakışan derinlik aralıkları,boşluklar, imkansız sıralamalar, birim tutarsızlıkları, izinsiz terimler.Bulguları "satır no | sorun | öneri" tablosu olarak ver. Veriyi DÜZELTME,sadece işaretle.Tablo: [litoloji tablosu]

Doğrulama Kanıtı Hiyerarşisi

Kanıt türü

Doğrudanlık

Güvenilirlik

Ne zaman kullan

Karot (çekirdek)

En doğrudan

En yüksek

Kritik litoloji sınırları

Kırıntı (cutting)

Orta

Yüksek

Karot yokluğunda

Jeofizik log

Dolaylı

Orta

Sürekli profil, boşluk doldurma

Model tahmini

Türetilmiş

Düşük (tek başına)

Hipotez, tarama

Serbest metin not

Değişken

Jeoloğa bağlı

Ek bağlam

İpucu: Litoloji sınırlarını yapay zekaya bulduruken "kesin sınır" değil "olası sınır ve güven düzeyi" isteyin. Kesinliği model değil, karot verir. Böylece çıktı bir tarama aracına dönüşür, yanlış bir kesinlik iddiasına değil.

Dikkat: Model, veride olmayan derinlik aralıklarını "boşluk bırakmamak" için doldurmaya eğilimlidir. Özellikle karot kaybı (İngilizce core loss) olan zonlarda uydurma litoloji üretebilir. Karot kaybı zonlarını açıkça işaretleyin ve modele "veri yoksa boş bırak" talimatını verin.

Sık yapılan hatalar

Dönüşüm yerine çıkarım istemek. Modelden metinde olmayanı "tahmin etmesini" beklemek; bu, uydurma verinin kapısını açar. Yalnızca yazılanı yapılandırın.
Standart sözlük vermemek. Serbest terminolojiye izin vermek; sonuç sorgulanamayan, tutarsız bir tablo olur.
Log tahminini kesin kabul etmek. Dolaylı ölçümleri (gama, direnç) tek başına litoloji kanıtı saymak; karot/kırıntıyla bağlamadan sınırları imzaya taşımak.
Karot kaybı zonlarını gizlemek. Veri boşluklarını modele doldurtmak; boşluk, boşluk olarak kalmalıdır.
Toplu işleyip hiç kontrol etmemek. Binlerce satırı tek seferde çevirip rastgele örnek denetimi yapmamak.

Özetle

Yapay zeka dağınık saha verisini yapılandırmada, standartlaştırmada ve ön litolojik sınıflandırmada güvenli ve yüksek kazanç sağlar.
Modelden çıkarım değil dönüşüm isteyin; metinde olmayanı uydurtmayın, "belirtilmemiş" yazdırın.
Log tabanlı litoloji tahmini dolaylıdır ve bir hipotezdir; karot ve kırıntı örnekleriyle bağlanmadan kesinleşmez.
Şema ve standart sözlüğü siz dayatın; çıktı ancak böyle tutarlı ve denetlenebilir olur.
Karot, kanıt hiyerarşisinin tepesindedir; model tahmini en altta, tek başına yetersizdir.

Uygulama görevi

Elinizdeki bir saha defterinden veya karot tanımından 15-20 satırlık bir bölüm alın (gizli saha bilgisini anonimleştirin). Önce kendi şemanızı ve izin verilen litoloji/ayrışma sözlüğünüzü tanımlayın, sonra güçlü prompt ile tabloya çevirtin. Çıkan tablonun her satırını ham metinle karşılaştırıp modelin uydurduğu veya yanlış yerleştirdiği bir alan olup olmadığını işaretleyin; en az bir "belirtilmemiş" alanının doğru boş bırakılıp bırakılmadığını kontrol edin.

Kontrol listesi

[ ] Serbest metin saha gözlemlerini şema ve standart sözlükle yapılandırılmış tabloya çevirebiliyorum.
[ ] Modelden dönüşüm istediğimi, olmayanı uydurtmadığımı ("belirtilmemiş" kuralı) uyguluyorum.
[ ] Log tabanlı litoloji tahmininin dolaylı bir hipotez olduğunu ve karotla bağlanması gerektiğini biliyorum.
[ ] Karot kaybı ve veri boşluğu zonlarını işaretleyip uydurmayı engelliyorum.
[ ] Çıktıyı kanıt hiyerarşisine göre (karot > kırıntı > log > model) doğruluyorum.