Прибуток:
- Здатність використовувати внесок штучного інтелекту в підготовку даних і калібрування для характеристики водоносного горизонту та моделювання потоку підземних вод.
- Можливість аналізувати дані про якість води, рівень і потік за допомогою ШІ та виявлення аномалій
- Можливість перевірки вихідних даних моделі зі збереженням маси, гідравлічною вірогідністю та польовими вимірюваннями
Підземні води – це природний ресурс, який ми не можемо бачити, але приймати більшість рішень. Скільки води дає свердловина, скільки води скидається в шахту, скільки часу потрібно, щоб забруднююча речовина досягла джерела питної води — все залежить від поведінки води, коли вона повільно рухається через пори та тріщини під землею. Гідрогеологія (наука про підземні води) реконструює цей невидимий потік на основі рідкісних спостережних свердловин, геологічних розрізів і фізичних законів. Штучний інтелект є потужним помічником у цій роботі: він очищає безладні часові ряди, інтегрує відсутні дані, виявляє аномалії та прискорює калібрування моделі. Але один закон переважає над усіма: збереження маси. Кількість води, що надходить, виходить і накопичується в системі, повинна бути постійною; Жодна розумна модель не може порушити цей баланс.
У цьому розділі ми розглянемо три аспекти штучного інтелекту дослідження підземних вод: підготовка даних і виявлення аномалій (обробка рядів рівня, швидкості потоку та якості), характеристика водоносного горизонту (прогнозування властивостей шару, що містить підземні води) і калібрування моделі потоку (узгодження числової моделі зі спостереженнями). На кожному кроці ми будемо використовувати штучний інтелект не як калькулятор, а як генератор тяги, результат якого ви перевіряєте за допомогою водного балансу та польових вимірювань.
Водоносний горизонт і основні поняття
Давайте спочатку налагодимо спільну мову. Водоносний горизонт — це геологічна одиниця (наприклад, піщано-гравійний шар), яка може переносити та випускати достатню кількість води. Гідравлічна провідність (K) вимірює, наскільки легко вода тече крізь камінь/ґрунт; Зазвичай він становить близько метрів на день для піску та мікроскопічно низький для глини. Гідравлічний напір (напір) — тиск і висотна енергія води в точці; вода завжди тече від високого навантаження до низького. Коефіцієнт накопичення дає об’єм води, що виділяється/зберігається водоносним горизонтом на одиницю зміни навантаження. Ці чотири величини є наріжними каменями всього моделювання.
Важливо знати ці поняття під час роботи зі штучним інтелектом, тому що кожне число, надане моделлю, має відповідати цим фізичним діапазонам. Значення K для піщаного водоносного горизонту коливається від кількох сантиметрів до десятків метрів на добу; Якщо на моделі написано «3 кілометри на день», це фізична помилка. Це характерна для гідрогеології форма прив’язки порядку величини в попередніх одиницях.
Крок за кроком: підготовка даних, аномалія та калібрування
Крок 1 — Очищення часових рядів. Дані про рівень зі спостережних свердловин часто нерегулярні: пропущені дні, пропуски датчиків, плутанина одиниць, вплив атмосферного тиску. AI вирівнює ці ряди, позначає прогалини та виявляє можливі помилки датчика (раптовий стрибок, рівна лінія = завислий датчик). Але «заповнення» пропущеного значення і «позначення» його відрізняються; Якщо планується заповнення, метод має бути прозорим і схваленим геологом.
Крок 2 — Виявлення аномалії. Раптова зміна якості води (наприклад, електропровідність, нітрати, важкі метали); несподіване падіння рівня; стрибок швидкості потоку — це ознака або реальної події (забруднення, овердрафт, витік), або помилки вимірювання. Штучний інтелект ранжує аномалії-кандидати; Хто з них справжній, вирішує гідрогеолог.
Крок 3 — Характеристика водоносного горизонту. K і коефіцієнт накопичення витягуються з даних випробування насосом (забір води зі свердловини з постійним дебітом і моніторинг падіння рівня в сусідніх свердловинах). AI прискорює підгонку кривої та альтернативні моделі водоносних горизонтів (замкнуті/вільні/напівпроникні); Але сумісність обраної моделі з геологією родовища – справа людини.
Крок 4 — Калібрування чисельної моделі. Модель скінченних різниць/елементів ділить водоносний горизонт на комірки та визначає потік води в кожній комірці. Калібрування полягає в налаштуванні параметрів моделі (розподіл K, зарядка) для сумісності з рівнями спостережних свердловин. AI/оптимізація прискорює це налаштування; Але є небезпека: модель може добре відповідати спостереженням, але з фізично неправильними параметрами (overfit). Тому контроль водного балансу після калібрування важливий.
Порада: перш ніж прийняти відкалібровану модель, запитайте «чи вимкнено водний баланс?» Запитайте: загальний вхід (подача + бічний потік) мінус загальний вихід (тяга + викид) плюс/мінус зміна зберігання має бути ≈ 0. Якщо не закривається, модель ненадійна, навіть якщо вона відповідає рівням.
Три міні-кейси: у цифрах
Випадок 1 — Налагодження датчика. Одна мережа моніторингу мала дані про рівень за 18 місяців для 11 свердловин; загалом приблизно 6000 записів. Сканування за допомогою штучного інтелекту виявило «заморожений датчик» у двох свердловинах (абсолютно однакове значення протягом 42 днів) і одиничну помилку (введені фути замість метрів) в одній свердловині. Ці три помилки, на пошук яких вручну знадобляться години, можуть серйозно вплинути на калібрування моделі; Екстракція зробила модель надійною ще до її створення.
Випадок 2 — Пастка балансу маси. Модель викиду шахтних вод відповідає всім спостережним свердловинам більше ніж на 5%, і команда збиралася підтвердити модель. Перевірка водного балансу виявила, що загальне поповнення було втричі більше, ніж те, що було можливо з даними про кількість опадів у регіоні; модель «купила» гармонію нефізичною дієтою. Параметри повернуто до реалістичного діапазону та повторно відкалібровано. Хороша посадка не означає правильну модель.
Випадок 3 — Ранній сигнал зараження. У серії провідності свердловини в басейні питної води штучний інтелект відзначив повільне підвищення, яке відхилялося від сезонної моделі. Перевірка місця виявила витік із сусіднього сховища, і заходи були вжиті до того, як забруднення досягло питного колодязя. Модель не визначилася; звернув увагу гідрогеолога на правильну свердловину.
Слабка підказка / Сильна підказка
Слабка підказка:
Подивіться на дані цієї свердловини та скажіть мені, який водоносний горизонт і куди йде вода. [таблиця рівнів]
Потужна підказка:
Ваша роль: Асистент гідрогеолога. ПЕРЕВІРТЕ серію рівнів спостережних свердловин нижче, але параметр водоносного горизонту ПІДІГРЕНО. Виконайте наступне: 1) Якість даних: перелічіть підозри щодо відсутності, замороженого датчика, одиниці/викиду, свердловини та дати. 2) Загальна тенденція (зростання/спад/сезонність) і можливі фізичні пояснення. 3) Укажіть, які дані (випробування насосом, опади, гравітаційний запис) потрібні на наступному кроці. Фізична інтерпретація та калібрування належить гідрогеологу; Дані анонімні.
Потужна підказка надає моделі роль контролера даних і редактора запитань; чітко забороняє підгонку параметрів.
Чотири шаблони, які можна копіювати
1) Перевірка якості серії рівня:
Позначте наступне в серії рівня спостережної свердловини: пропущені дні, послідовне однакове значення (заморожений датчик), раптовий стрибок, можливу одиничну похибку (м/фут/см). Список лише з well_id і діапазоном дат; заповнення або видалення значень.
2) Пріоритезація аномалій:
Перелічіть зміни в рядах якості води (параметр: електропровідність), які відхиляються від сезонної моделі, починаючи з найбільш імовірних. Для кожного кандидата: запишіть, який додатковий контроль потрібен, щоб відрізнити реальну подію від похибки вимірювання. Рішення за гідрогеологом.
3) Контрольний список водного балансу:
Витягніть етапи контролю водного балансу для відкаліброваної моделі ґрунтових вод: вхідні елементи, вихідні елементи, варіації зберігання та прийнятну межу помилки закриття. Приклад ситуацій, коли модель може відповідати рівням, але порушувати рівновагу.
4) Інтерпретація випробування насосом тяги:
Для даних про час виснаження насоса: окресліть, які моделі водоносних горизонтів (необмежені, обмежені, напівпроникні) можуть бути доречними та як кожна з них пов’язана з геологією ділянки. Надання точної кількості для K та зберігання; Вкажіть розумний діапазон і необхідні припущення.
Дані про підземні води та опорні точки перевірки
дані/вихід
внесок ШІ
Основний ризик
перевірочний якір
Часовий ряд рівня
Очищення, виявлення помилок
облягаюча начинка
Необроблені дані + запис поля
серії якості води
Сортування аномалій
Помилкова тривога/пропуск
Повторний зразок + лабораторія
тест накачування
Швидкість підгонки кривої
Неправильна модель водоносного горизонту
геологічна гармонія
Калібрування чисельної моделі
Оптимізація параметрів
Переобладнання, нефізична К
Водний баланс + оглядовий колодязь
Оцінка годівлі/привабливості
злиття даних
порушення балансу
Опади/запис роботи
Застереження: модель підземних вод є передбаченням, а не пророцтвом. Результати, які прогнозуються на десятиліття в майбутньому (наприклад, рівень води в шахті після закриття), є сценаріями, які необхідно оновлювати в міру їх вимірювання. Представлення однієї «впевненої» кривої майбутнього створює помилкову впевненість, приховуючи невизначеність.
Поширені помилки
- Не перевіряючи водний баланс. Найбільш поширеною та небезпечною помилкою є прийняття моделі, яка добре відповідає рівням, без перевірки збереження маси.
- Тихо заповнюючи відсутні дані. Якщо значення «заповнення», створені штучним інтелектом, помилково приймаються за реальні вимірювання, калібрування має слабку основу.
- Прийняття параметрів, що виходять за межі фізичного діапазону. Допускання нереалістичних К або поживних цінностей заради відповідності.
- Автоматично вважаючи аномалію реальною. Не кожне відхилення є забрудненням; Можливість похибки вимірювання виключається польовим і повторним відбором проб.
- Зведення невизначеності до однієї кривої. Представлення довгострокових прогнозів як остаточних результатів, а не сценаріїв.
Підсумовуючи
- Гідрогеологія будує невидимий потік із розріджених спостережень; Кожен результат ШІ перевіряється на збереження маси (водний баланс).
- AI є потужним для серії рівнів/якості очищення, виявлення аномалій і прискорення калібрування; не повинні відповідати параметрам.
- Навіть якщо модель добре відповідає спостереженням, вона може бути неточною з нефізичними параметрами (перевищення); Контроль водного балансу обов'язковий.
- Кожне число має відповідати фізичному діапазону (K для піску ≈ метрів/день); Порядок величини якоря також застосовується в гідрогеології.
- Модель є передбаченням; Довгострокові результати представлені як сценарії з невизначеністю та оновлюються в міру їх вимірювання.
Аплікаційне завдання
Отримати анонімні ряди рівня спостережних свердловин (або репрезентативні дані). Попросіть модель знайти помилки даних за допомогою шаблону «Перевірка якості серії рівнів»; Додайте принаймні один ймовірно заморожений датчик або блок і перевірте, чи він його вловлює. Потім запустіть шаблон «контрольного списку водного балансу» для сценарію відкаліброваної моделі та напишіть із прикладом, як модель може порушити баланс, навіть якщо він відповідає рівням.
контрольний список
- [ ] Я знаю поняття та типові діапазони водоносного горизонту, гідравлічної провідності, напору та зберігання.
- [ ] Я придбав рефлекс для перевірки виходу підземних вод зі збереженням маси (водний баланс).
- [ ] Я використовую ШІ для очищення даних і сортування аномалій і залишаю рішення щодо параметрів гідрогеологу.
- [ ] Усвідомлюючи ризик переобладнання, я не вважаю, що добре підходить модель.
- [ ] Я представляю результати довгострокової моделі як сценарії з невизначеністю.