2026 оны 2-р сарын 5-нд Suntrans доктор Лу Гуо зайнаас тандан судлах геологийн хиймэл оюун ухааны эрэл хайгуулын салбарын мэргэжилтэн ноён Чен Жэнтэй нэгдэн, ашигт малтмалын хайгуулын салбарын уламжлалт хайгуулын өндөр өртөг, урт мөчлөг, амжилт бага зэрэг гол өвдөлтийн гол асуудлуудад анхаарлаа хандуулан мэргэжлийн шууд нэвтрүүлэг эхлүүлэв. Алсын зайнаас тандан судлах геологийн хиймэл оюун ухаанд анхаарлаа хандуулж байна Эрлийн технологийн үндсэн зарчим, техникийн онцлох үйл явдлууд, хэрэгжүүлэх хувилбарууд болон практик хэрэглээний үнэ цэнийг техникийн хэмжээс, кейс хэмжээнээс эхлээд хэрэгжилтийн түвшин хүртэл гүнзгийрүүлэн шинжилж, уул уурхайн компаниудад технологи сонгох, хайгуулын хэрэглээний гол асуудлуудыг шийдвэрлэх, уул уурхайн компаниудад гадаадад ногоон газар хайх, хайгуул хийх, хайгуул хийх зэрэг асуудлыг шийдвэрлэхэд нь туслах; үр ашгийг нэмэгдүүлэх.
Доктор Лу Гуо (Нарны орчуулга): Сайн байна уу, ноён Чен! Одоогийн байдлаар ашигт малтмалын хайгуулын салбарт уламжлалт эрлийн зардал өндөр, мөчлөг урт гэсэн хоёр үндсэн асуудал тулгарч байна. Хилийн чанад дахь ногоон талбайн хайгуул, хатуу ширүүн газар нутгийг хайх нь бүр ч хэцүү байдаг. Хайгуулын амжилт бага, хөрөнгө оруулалтын эрсдэл өндөр байгаа нь олон уул уурхайн компанийн санаа зовоосон асуудал болоод байна. Алсын зайнаас тандан судлах геологийн хиймэл оюун ухааны эрэл хайгуулын технологи гарч ирснийг салбар дахь "хайгуулын хувьсгал" гэж нэрлэдэг. Өнөөдөр бид уул уурхайн компаниудад технологийн сонголттой холбоотой гол асуултуудад хариулахын тулд энэхүү технологийн үндсэн зарчим, хэрэгжүүлэх хувилбарууд, бодит үнэ цэнийн талаар та бүхэнтэй мэргэжлийн гүнзгий ярилцлага хийх болно.

1. Техникийн хэмжээ
1. Газрын биетийн төрөл, ашигт малтмалын найрлагыг тодорхойлох хиймэл дагуулын зайнаас тандан судлах технологийн үндсэн зарчим юу вэ?
Чэн Жэнь багш: Гол зарчим бол газрын биетүүдийн цахилгаан соронзон спектрийн хариу урвалын ялгаа юм. Янз бүрийн газрын биетүүд өөр өөр материаллаг бүтэц, бүтэцтэй бөгөөд өөр өөр долгионы урттай цахилгаан соронзон долгионыг тусгах, шингээх, ялгаруулах шинж чанартай байдаг нь өвөрмөц "спектр хурууны хээ" үүсгэдэг. Хиймэл дагуулын мэдрэгч нь энэхүү спектрийн мэдээллийг авсны дараа спектрийн муруйн шинж чанарын оргил ба шингээлтийн хөндийд дүн шинжилгээ хийх замаар газрын объектын төрөл, ашигт малтмалын найрлагыг тодорхойлох боломжтой.
2. Олон спектрийн алсын зайнаас тандан судлах ба гиперспектр алсын зайнаас тандан судлах үндсэн ялгаа нь юу вэ?
Чен Жэн багш: Гол ялгаа нь спектрийн нягтрал болон зурвасын тоонд оршдог.
Олон спектрийн алсын зайнаас тандан судлах: цөөн тооны зурвас (ихэвчлэн 3-10), бага спектрийн нарийвчлал, газрын объектуудын үндсэн ангиллыг (ургамал, чулуулаг, усны биет гэх мэт) ялгахад чиглүүлдэг;
Гиперспектр алсын зайнаас тандан судлах: зурвасын тоо хэдэн зуун хүрч болох ба спектрийн нарийвчлал нь маш өндөр. Энэ нь газрын биетүүдийн нарийн спектрийн ялгааг барьж, тодорхой ашигт малтмалын бүрэлдэхүүн хэсгүүдийг (гематит, каолинит гэх мэт) шууд тодорхойлох боломжтой. Энэ нь ашигт малтмалын зураглал, эрдэсжилтийн өөрчлөлтийг тодорхойлох үндсэн технологи юм.
3. Ашигт малтмалыг тодорхойлох, ашигт малтмалын зураглал хийхдээ спектрийн өнцгийн тохируулгын аргыг ямар зарчим баримталдаг вэ?
Чэн Жэн багш: Спектрийн өнцгийн тааруулах (SAM) гол нь спектрийн векторуудын өнцгийн ижил төстэй байдлын тооцоо юм. Зургийн пикселийн спектрийн муруйг өндөр хэмжээст орон зайд вектор гэж үзэх ба өнцгийг мэдэгдэж буй стандарт эрдэсийн спектрийн вектороор тооцоолно. Өнцөг бага байх тусам спектрийн ижил төстэй байдал өндөр байх ба пикселийг зорилтот эрдэстэй тохирч байгааг тодорхойлж болно. Тохирох градусын пикселийг пикселээр тооцоолсноор бүс нутгийн ашигт малтмалын газрын зургийг эцэст нь гаргадаг.
4. Алсын зайнаас тандан судлах геологи, хиймэл оюун ухааны эрэл хайгуултай холбоотой патентын үндсэн зарчмууд юу вэ?
Чен Жэнь багш: Манай патентын гол цөм нь олон эх сурвалжтай геологийн давхаргын топологийн харилцааны шинжилгээ, аномалийн автомат огтлолцлын алгоритм юм. AI технологийг литологийн бүтэц, ашигт малтмалын нэгдэл, геохимийн аномали болон бусад давхаргыг автоматаар гаргаж авах, дараа нь топологийн зарчимд үндэслэн давхарга хоорондын орон зайн хамаарлыг (бүтцийн хамгаалалтын бүс ба ашигт малтмалын гажиг хоорондын суперпозиция хамаарал гэх мэт) тодорхойлох, эцэст нь эрдэсжилтийн зорилтот талбайг автоматаар тодорхойлж, үр ашиг багатай, уламжлалт гар аргаар тайлбарлах зэрэг асуудлыг шийдвэрлэхэд ашигладаг.
5. Ноён Чен Жэний шинэ бүтээлийн патент болон Suntrans Team-ийн программ хангамжийн зохиогчийн эрх нь ямар үндсэн техникийн дэмжлэг үзүүлж чадах вэ?
Чэн Жэнь багш: Манай патент болон программ хангамж нь үндсэндээ гурван төрлийн дэмжлэг үзүүлдэг.
Автомат орчуулгын дэмжлэг: уламжлалт харааны тайлбарыг орлуулж, литологи, бүтэц, ашигт малтмалын өөрчлөлтийн хиймэл оюун ухааны автомат олборлолтыг хэрэгжүүлэх;
Зорилтот бүсийн ухаалаг шугамын дэмжлэг: олон давхаргат хэвийн бус огтлолцлын алгоритмаар дамжуулан зорилтот хэсгүүдийг автоматаар үүсгэж, координатуудыг гаргаж авдаг;
Эрдэсжилтийг урьдчилан таамаглах дэмжлэг: Эрдэсжилтийн ердийн загварууд болон хиймэл оюун ухааны сургалтанд үндэслэн хүдэржилтийн боломжийн талаарх дэлхийн хэмжээний таамаглалд хүрч, гадаадад хайгуул хийх чиглэлийг өгдөг.
6. Энэхүү зайнаас тандан судлах геологийн хиймэл оюун ухааны эрэл хайгуулын технологийн үндсэн техникийн шинж чанарууд нь уламжлалт эрэл хайгуулын аргуудтай харьцуулахад юу вэ?
Чэн Жэнь багш: Үндсэн шинж чанаруудыг "хурдан, өргөн, үнэн зөв, хэмнэлттэй" гэж дүгнэж болно.
Хурдан: Хэд хэдэн сар үргэлжилдэг уламжлалт хээрийн судалгааг орлож, арав хоногийн дотор бүс нутгийн зорилтот бүсийг тодорхойлох боломжтой;
Өргөн хүрээтэй: Газар нутаг, улсын хилээр хязгаарлагдахгүй дэлхийн хамрах хүрээ нь өндөр өндөрлөг, цөл гэх мэт хүрэх боломжгүй газар нутгийг хамарч болно;
Нарийвчлалтай: олон эх сурвалжийн өгөгдөл хөндлөн баталгаажуулалт + AI алгоритмын давталт, зорилтот бүсийн нарийвчлал мэдэгдэхүйц сайжирсан;
Муж: Талбайн хайгуул, геофизикийн эрэл хайгуулын зардлыг эрс бууруулж, орц, гарцын харьцаа өндөр болно.
7. Алсын зайнаас тандан судлах өгөгдлийн урьдчилсан боловсруулалтын үндсэн үе шатууд юу вэ?
Чэн Жэнь багш: Үндсэн алхмуудад дөрвөн төрлийн залруулга, оновчлол орно.
Агаар мандлын залруулга: агаар мандлын шингээлт, тархалтын хөндлөнгийн оролцоог арилгах, газрын объектуудын жинхэнэ спектрийг сэргээх;
Геометрийн залруулга: Хиймэл дагуулын байрлал, газар нутгийн долгионы улмаас үүссэн зургийн гажуудлыг арилгах, газарзүйн нарийн тааруулах;
Цацрагийн залруулга: цацрагийн үнэн зөв мэдээллийг баталгаажуулахын тулд мэдрэгчийн хариу урвалын ялгаа, жигд бус гэрэлтүүлгийг засдаг;
Дуу чимээ, өнгө засах: Зургийн чимээ шуугианыг арилгах, өнгөний системийг нэгтгэх, тайлбарын тодорхой байдлыг сайжруулах.
8. Олон эх сурвалжийн зайнаас тандан судлах өгөгдлийн нийлүүлэлт нь ямар төрлийн өгөгдлийг тусгайлан багтаадаг вэ?
Чэн Жэнь багш: Энэ нь өргөн утгаар, нарийн мэдрэмж гэсэн хоёр төрөлд хуваагддаг.
Ерөнхий хайлуулах: зайнаас тандан судлах зургийг геохимийн хайгуулын мэдээлэл, геофизикийн хайгуулын мэдээлэл, геологийн хэмжилтийн мэдээлэл зэрэг зайнаас тандан судлахгүй өгөгдөлтэй нэгтгэх;
Нарийн мэдрэмжийн нэгдэл: орон зайн өндөр нарийвчлал ба өндөр спектрийн нарийвчлалыг хослуулсан "олон спектрийн зураг + панхромат зураг" гэх мэт өөр өөр зайнаас тандан судлах дүрсүүдийн нэгдэл, борооны цаг агаарын мэдээ алдагдсан асуудлыг шийддэг "оптик алсын зайн мэдрэгч + богино долгионы алсын зайнаас тандан судлах" нэгдэл.
9. Литологийн бүтцийг дүрслэн тайлбарлахдаа зайнаас тандан судлах зурагт боржин чулуу, шохойн чулуу хоёрын өнгө аяс, бүтэц ямар ялгаатай байдаг вэ?
Чэн Жэнь багш: Энэ хоёрын ялгаа маш тодорхой.
Боржин: SiO₂-ийн агууламж 65% -иас их, цайвар саарал цагаан өнгөтэй; магмын шингэн чанар сул, чулуулгийн масс нь ихэвчлэн дугуй хэлбэртэй;
Физик өгөршил нь радиаль ан цав үүсгэдэг бөгөөд дугуй хэлбэртэй усны системийг хөгжүүлэхэд хялбар байдаг (радиаль + цагираг хэлбэрийн усны системүүдийн хослол);
Шохойн чулуу: карбонат чулуулаг, дунд зэргийн саарал өнгөтэй; амархан элэгдэлд орж карст газрын хэлбэр (оргил ой, жалга), ус
Систем нь ихэвчлэн дендрит бөгөөд ургамлын бүрхэвч нь боржингийнхоос өндөр байдаг.
10. Алсын зайнаас тандан судлах геологийн хиймэл оюун ухаан эрэл хайгуулын технологийг ашиглан ашигт малтмалын боломжит зорилтот талбайг тодорхойлох үндсэн алхамууд юу вэ?
Багш Чен Жэн: Гол нь "олон давхаргат давхарга + хиймэл оюун ухааны хэвийн бус уулзвар" бөгөөд үүнийг дөрвөн үе шатанд хуваадаг.
Литологи ба бүтцийн давхаргын давхарга: AI нь хүдэр удирддаг геологийн биетүүдийн орон зайн тархалтыг тодруулахын тулд литологи болон бүтцийг автоматаар тайлбарладаг;
Ашигт малтмалын зураглалын давхаргын давхарга: эрдэсжилтийн өөрчлөлтийн бүсийг түгжихийн тулд онцлог шинж чанартай эрдсийн нэгдлүүдийг гиперспектрээр олборлох;
Геохимийн аномалийн давхаргын давхардал: ионы гажиг (төмөр, гидроксил ион гэх мэт) болон хүдэржилтийн элементүүдийн харилцан хамаарал;
Эрдэсжилтийн индексийн давхаргын давхарга: Эрдэсжилтийн боломжийн хэмжээг тодорхойлох зорилгоор зорилтот эрдэсжилтийн индексийг байгуулах; эцэст нь AI алгоритмуудыг ашиглан олон давхаргат аномалийн орон зайн огтлолцлыг тодорхойлж, зорилтот хэсгийн координат болон мужийг автоматаар гаргаж авна.
11. Уул уурхайн 3D загварчлалын үндсэн үүрэг юу вэ? Гурван хэмжээст геологийн загварыг бий болгохын тулд ямар үндсэн өгөгдөл цуглуулах шаардлагатай вэ?
Чэн Жэн багш:
Үндсэн үүрэг: Геологийн цогц биетүүд/хүдрийн биетүүдийг гурван хэмжээст дижитал загвар болгон хувиргаж, нөөцийн үнэн зөв тооцоолол, уул уурхайн инженерийн зааварчилгаа, хайгуулаас бүтээн байгуулалт руу шилжих гол холбоос болох ашигт малтмалын эрхийн менежментийн дэмжлэг үзүүлэх;
Үндсэн өгөгдөл: Геологийн хэмжилтийн мэдээлэл (өрөмдлөгийн цооног, геологийн зураг), геофизик/геохимийн эрэл хайгуулын мэдээлэл, зайнаас тандан судлах тайлбарын өгөгдөл, инженерийн каталогийн өгөгдөл, гео орон зайн өгөгдөл (DEM, координатын параметрүүд) гэсэн таван үндсэн ангиллыг цуглуулах шаардлагатай.
12. Төслийн бодит хэрэглээнд энэ технологийн патентлагдсан аргын хувьд техникийн саад бэрхшээл, зөвшөөрөгдсөн ашиглалтын хязгаарлалт байгаа юу? Хамтын ажиллагааны ямар арга замууд байна вэ?
Чэнь Жэнь багш: Манай патентууд үндсэн саад бэрхшээлгүй, уян хатан лицензтэй технологид хэрэгжсэн. Хамтын ажиллагааны үндсэн аргууд нь:
Төслийн хамтын ажиллагаа: хайгуулын тодорхой төслүүдэд техникийн үйлчилгээ үзүүлэх;
Технологийн лиценз: ААН-үүдэд патентлагдсан алгоритм, программ хангамж ашиглах эрхийг олгох;
Хамтарсан бүтээн байгуулалт: Ашигт малтмалын тодорхой төрөл, бүс нутагт тохирсон хөгжлийн техникийн шийдлүүд.
13. Эрдэсжилтийг урьдчилан таамаглахдаа геологийн нийлмэл суурьтай газар нутгийн буруу дүгнэлтийг хэрхэн бууруулах вэ?
Багш Чен Жэн: Гол нь "олон эх сурвалжийн баталгаажуулалт + дүрмийн хязгаарлалт":
"Аномалигүй хүдэржилтгүй, өөрчлөлтгүй хүдэржилтгүй" гэсэн зарчмыг баримталж, геологийн мутацийн бүсэд анхаарах;
Зайнаас тандан судлах, геофизикийн хайгуул, геохимийн хайгуулын мэдээг хооронд нь баталгаажуулах, нэг мэдээлэлд хуурамч гажигийг арилгах;
Ашигт малтмалын нэгдэл, эрдэсжилтийн механизмаар хязгаарлагдаж, зөвхөн эрдэсжилтийн хууль тогтоомжид нийцсэн гажуудлыг хүлээн зөвшөөрдөг;
Бүтцийн хүдрийн хяналтын нөлөөлөлтэй хослуулан бүтцийн хамгаалалтын бүс ба контактын бүсийн гажигийг тодорхойлоход нэн тэргүүнд анхаарч байна.
14. Алсын зайнаас тандан судлах эрлийн зорилтот талбай нь өрөмдлөгийн бодит үр дүнтэй хэр нийцэж байна вэ?
Чэнь Жэнь багш: Зөвшилцлийн зэрэг нь ашигт малтмалын төрөл, өртөлтийн зэргээс хамаарна.
Шороон орд ба супергений уурхай: 90%-иас дээш давхцах хувьтай, гадаргуу дээрх тунгалаг толбо;
Гарцтай эндоген хүдэр: 50%-иас дээш таарах хувь;
Нуугдсан ордууд: шууд бус үзүүлэлтүүдийг эрдэсжилтийн загвартай хослуулах шаардлагатай бөгөөд давхцах түвшин харьцангуй бага боловч олон эх үүсвэрт хайлуулах замаар мэдэгдэхүйц сайжруулах боломжтой.
15. Өндөр нарийвчлалтай зайнаас тандан судлах өгөгдөл болон хиймэл оюун ухааны технологийг ирээдүйд нэгтгэснээр ашигт малтмалын хайгуулын салбарт ямар эвдэрсэн технологийн өөрчлөлтүүдийг авчрах вэ?
Чэн Жэнь багш: Дөрвөн үндсэн өөрчлөлт байна.
Хайгуулын дэлхийн хамрах хүрээ: хиймэл дагуулын мэдээлэл нь дэлхий даяар хүртээмжтэй, газарзүйн хязгаарлалтыг давж, хайгуул хийхэд "сохор газар байхгүй";
Автомат орчуулгыг түгээмэл болгох: AI нь гар хөдөлмөрийг орлож, орчуулгын үр ашиг хэдэн арван дахин нэмэгддэг;
Ухаалаг эрдэсжилтийн таамаглал: Дэлхийн дээжийн сургалтанд үндэслэн дэлхийн эрдэсжилтийн үнэн зөв таамаглалд хүрсэн;
Хайгуулын циклийг мэдэгдэхүйц богиносгосон: "хайгуулын хэдэн сар" -аас "үр дүн гаргахад арав гаруй хоног" болж, зардлыг мэдэгдэхүйц бууруулж, үр ашгийг нэмэгдүүлсэн.
2. Кейсийн хэмжээ
1. Алсын зайнаас тандан судлах геологийн хиймэл оюун ухаан хайх технологийн үндсэн хэрэглээний хувилбарууд юу вэ? Энэ нь уул уурхайн компаниудад эдийн засгийн ямар ашиг авчрах вэ?
Чэн Жэнь багш: Гол дүр зураг нь хайгуулын эхний үе шат болон тусгай газруудад төвлөрдөг.
Ногоон талбайн уурхайн хайгуул: ашигт малтмалын эрхийг олж авах үндэс суурийг бүрдүүлэхийн тулд зорилтот бүсүүдийг хурдан тодорхойлох;
Ашигт малтмалын эрхийн үнэлгээ, шийдвэр гаргах: хөрөнгө оруулалтын шийдвэрийг дэмжих үнэлгээний тайланг арав хоногийн дотор гаргах;
Алслагдсан бүс нутгийн хайгуул: ашигт малтмалын боломжит газруудыг илрүүлэхийн тулд өндөр, элсэн цөл болон бусад хүрэх боломжгүй газруудыг хамрах;
Бүс нутгийн эрдэсжилтийн таамаглал: бүс нутгийн геологийн судалгааг чиглүүлж, эрдэсжилтийн бүсийг заана. Эдийн засгийн ач холбогдол нь эрсдэлийг бууруулах шийдвэр гаргах, зардлыг бууруулах, үр ашгийг дээшлүүлэх, гадаад дахь нөөц боломжуудыг ашиглах гэсэн гурван чиглэлээр голчлон тусгагдсан.
2. Энэ технологи нь хайгуулын хүнд нөхцөлтэй аль хэсэгт тохиромжтой вэ?
Чэн Жэнь багш: Энэ нь гадаргын уулархаг газар, тэр дундаа элсэн цөл, говь, өндөр уулын нүцгэн хад чулуу, цаст уулсын зах зэрэгт хамгийн тохиромжтой. Энэ нь ялангуяа Африк, Ойрхи Дорнод зэрэг геологийн суурь сул, супергенийн баялаг ашигт малтмал бүхий хилийн чанад дахь бүс нутагт тохиромжтой.
3. Өндөр өндөрлөг, онгон ой зэрэг нарийн төвөгтэй газар нутагт зайнаас тандан судлах мэдээлэл олж авахад ямар хөндлөнгийн нөлөө үзүүлэх вэ? Үүнийг хэрхэн шийдвэрлэх вэ?
Чэн Жэн багш:
Өндөр уулын бүсүүд: Үүл, мөс, цасан бүрхүүлд голчлон өртдөг бөгөөд үүл рүү нэвтэрч буй богино долгионы зайнаас тандан судлах, мөс, цасан бүрхүүлийг арилгахын тулд олон цаг хугацааны өгөгдлийг нэгтгэх замаар шийдвэрлэх боломжтой;
Анхдагч ойн талбай: Гадаргуугийн өнгөн хэсэг нь ургамлаар бүрхэгдсэн байдаг ба газрын гадарга, байгууламжийн хэт спектрийн ургамлын нэвтрэлтийн алгоритм болон SAR-ын мэдээллийг гаргаж авах замаар эрдэсжилтийн мэдээллийг шууд бусаар тодорхойлох боломжтой.
4. Африк, Ойрхи Дорнод зэрэг геологийн суурь сул бүс нутагт энэ технологийг хэрэглэх давуу тал нь юу вэ?
Чэн Жэнь багш: Давуу тал нь маш тод харагдаж байна.
Мэдээллийн бүрэн хамрах хүрээ: зайнаас тандан судлах мэдээг дэлхий даяар нийтэд нээлттэй болгож, орон нутгийн геологийн ховор өгөгдөлд найдах шаардлагагүй болно;
Маш сайн үр ашиг, зардал: бүс нутгийн судалгааг дуусгахад арав гаруй хоног шаардагдах бөгөөд зардал нь уламжлалт аргын зөвхөн 1/5-1/10;
Нарийвчлалтай зорилтот бүс: Олон эх сурвалжаас мэдээлэл нэгтгэх нь орон нутгийн геологийн мэдээллийн хомсдолыг нөхөх боломжтой бөгөөд зорилтот талбайн давхцлын түвшин уламжлалт аргуудаас хамаагүй өндөр байна.
5. Хуучин уурхайн талбайн хүдрийг "өргөжүүлэх" үед энэ технологи нь хайгуулын ямар бодитой асуудлыг шийдэж чадах вэ?
Чэн Жэнь багш: Гурван том асуудлыг шийдэж болно.
Далд уурхайнуудыг тодорхойлох: гадаргын өөрчлөлт, бүтцийн харилцан хамаарлаар гүний уурхайнуудыг шууд бусаар харуулах;
Ашигт малтмалын бүсийн өргөтгөлийн хяналт: AI нь барилга байгууламжийн өргөтгөлийн чиглэл, өөрчлөлтийн бүсийг автоматаар тодорхойлж, захын зорилтот газруудыг заана;
Нөөцийн шинэчлэл: Гурван хэмжээст загварчлал нь талбайн өргөтгөлийн хайгуулыг дэмжихийн тулд хүдрийн биетийн нөөцийг динамик, үнэн зөв тооцоолох боломжийг олгодог.
6. Суперген ашигт малтмалыг (шороон орд гэх мэт) шууд олборлох үндэслэлийн дор энэ технологи нь олборлох боломжтой хүрээг хэрхэн нарийн тодорхойлох вэ?
Багш Чен Жэн: "Ашигт малтмалын хэт спектрийн тодорхойлолт + олон цаг хугацааны өгөгдлийн динамик хяналт"-аар:
Hyperspectral нь шороон ордын ашигт малтмалын найрлага, зэрэглэлийн тархалтыг нарийн тодорхойлдог;
Олон цаг хугацааны өгөгдлийн нэгдэл нь элсний ордуудын орон зайн тархалт, динамик өөрчлөлтөд дүн шинжилгээ хийдэг; эцсийн дүндээ өндөр агуулгатай, олборлох боломжтой элсний ордуудын хамрах хүрээг тодорхойлох нь уул уурхайн төлөвлөлтийн үнэн зөв үндэслэлийг бий болгох.
Энэ технологи нь металлын уурхайн хайгуулд хэр тохиромжтой вэ? Энэ нь үндсэн ашигт малтмалын хайгуулын хэрэгцээг хангаж чадах уу?
Чэн Жэнь багш: Энэ нь дасан зохицох чадвар сайтай бөгөөд алт, зэс, төмөр, хар тугалга, цайр, никель зэрэг үндсэн металлын уурхайг хамарч чаддаг. Хүдрийн янз бүрийн төрлүүд нь хүдэр үүсгэгч эрдсүүдийн өөр өөр хослолтой байдаг. Гиперспектрээр болон бүтцийн хүдрийн хяналтын дүрэмтэй хослуулан шинж чанарын өөрчлөлтийн эрдсүүдийг (колидантай харгалзах алт, гематиттай харгалзах төмөр гэх мэт) тодорхойлох замаар хүдрийн нарийн эрэл хайгуул хийх боломжтой.
8. Геологийн мэдээлэл хомс бүс нутагт энэ технологи нь мэдээллийн цоорхойг хэрхэн нөхөж, ашигт малтмалын эрэл хайгуулын үнэн зөвийг хангах вэ?
Багш Чен Жэн: Гол нь "олон эх сурвалжийн өгөгдлийн нэгдэл + эрдэсжилтийн загварын аналоги" юм.
Орон нутгийн өгөгдлийн хомсдолыг нөхөхийн тулд зайнаас тандан судлах болон нийтийн геофизик/геохимийн хайгуулын мэдээллийг нэгтгэх;
Дэлхийн ашигт малтмалын ердийн ордод суурилсан эрдэсжилтийн загвар нь судалгааны талбайн геологийн онцлогтой ижил төстэй бөгөөд эрдэсжилтийн боломжийг шууд бусаар харуулсан;
AI алгоритмууд нь гажуудлыг автоматаар гаргаж авдаг бөгөөд энэ нь гарын авлагын туршлагаас найдах явдлыг багасгадаг.
9. Гүн булсан уурхайнуудын хувьд энэ технологи нь шууд бус эрэл хайгуул хийж чадах уу? Технологийн үндсэн зам юу вэ?
Чэнь Жэнь багш: Ашигт малтмалын шууд бус эрэл хайгуул хийж болох ба үндсэн зам нь "гадаргуугийн өөрчлөлт - бүтцийн хамаарал - эрдэсжилтийн загварын аналоги" юм.
Гадаргуугийн хүдэржилтийн өөрчлөлтийн бүс ба хүдэр удирдах байгууламжийн хоорондын орон зайн хамаарлыг тодорхойлох;
Ердийн ордуудын эрдэсжилтийн гүний загвартай хослуулан гүний эрдэсжилтийн потенциалыг аналогиар таамагласан;
Математик геологийн аргаар эрдэсжилтийн магадлалыг тооцоолж, гүний зорилтот талбайн хэмжээг тогтоох.
10. Уурхайн орчны хяналт, хүдрийн хайгуулын ажлыг хослуулахад энэ технологи нь ямар туслах үүрэг гүйцэтгэж чадах вэ?
Чен Жэнь багш: "Эрлийн + хяналт"-ыг нэгтгэж болно:
Уурхайн эргэн тойрон дахь эрдэсжилт, өөрчлөлтийн динамик өөрчлөлтийг хянах, хүдэр хайх ажилд туслах;
Хайгуулын аюулгүй байдлыг хангах үүднээс уурхайн далд геологийн аюулыг (хөрсний гулгалт, нуралт гэх мэт) тодорхойлох;
Ногоон уурхайн бүтээн байгуулалтыг дэмжихийн тулд хаягдлын сан, хогийн цэгийн байгаль орчинд үзүүлэх нөлөөллийг хянах.
11. Уур амьсгалын нарийн төвөгтэй бүс нутагт (өндөр температур, аадар бороо, хүчтэй салхи, элс гэх мэт) зайнаас тандан судлах мэдээллийн тогтвортой байдал, тайлбарын үнэн зөв байдлыг хэрхэн хангах вэ?
Багш Чен Жэн: "Олон эх сурвалжийн өгөгдлийг нөхөх + AI алгоритмын оновчлол"-оор дамжуулан:
Өндөр температур, аадар бороотой бүсүүд: Үүл, бороонд нэвтрэн орохын тулд богино долгионы алсын зайн мэдрэгчийг ашиглан олон цаг үеийг нэгтгэх оптик алсын зайн мэдрэгчтэй хослуулан ашиглах;
Хүчтэй салхи, элстэй газар: SAR-ын өгөгдлийг газар нутаг, байгууламжийг олборлоход ашиглах, ашигт малтмалыг тодорхойлохын тулд гиперспектрийг хослуулах;
AI алгоритмууд нь тайлбарлах нарийвчлалыг сайжруулахын тулд уур амьсгалаас үүдэлтэй спектрийн гажуудлыг автоматаар засдаг.
12. Ашигт малтмалын жижиг талбайн хайгуул, томоохон уурхайн хайгуулын ажилд энэ технологийг ашиглах нь ямар ялгаатай вэ?
Чэн Жэн багш:
Жижиг ашигт малтмалын цэгүүд: "Үнэн зөв тодорхойлох" дээр анхаарлаа төвлөрүүлж, эрдэсжилтийн цэгүүдийг гиперспектроскопи болон хиймэл оюун ухаанаар хурдан түгжиж, олборлолтын хүрээг тодорхойлох;
Томоохон хэмжээний уул уурхайн бүсүүд: "Макро хяналт"-д анхаарлаа хандуулж, олон эх сурвалжаас авсан өгөгдлийг нэгтгэх замаар металлогенийн бүсийг тодорхойлж, хайгуул, нөөцийн тооцоололд чиглүүлнэ.
13. Энэхүү технологийг ашиглан далд бүтэц, эрдэсжсэн бүс хоорондын хамаарлыг хэрхэн тодорхойлж, хүдрийн хайгуулын үр ашгийг дээшлүүлэх вэ?
Багш Чен Жэн: Гол нь "SAR-ын өгөгдөл олборлох бүтэц + гиперспектрийн өөрчлөлтийг тодорхойлох + AI корреляцийн шинжилгээ":
SAR мэдээлэл нь ургамалжилт/бүрхүүлгийн давхаргад нэвтэрч, далд хагарал, нугалаа болон бусад бүтцийг гаргаж авдаг;
Гадаргуугийн өөрчлөлтийн бүсийг хэт спектрээр тодорхойлох;
AI алгоритм нь бүтэц, өөрчлөлтийн бүсийн хоорондын орон зайн хамаарлыг автоматаар шинжилж, эрдэсжилтийн боломжит бүсүүдийг тодорхойлдог.
14. Энэ технологи нь харилцаа холбоогүй алслагдсан бүс нутагт оффлайн үйл ажиллагаа эсвэл хөнгөн өгөгдөл боловсруулах боломжтой юу?
Чэн Жэн багш: Тийм ээ. Манай программ хангамж нь офлайн өгөгдөл боловсруулах, хиймэл оюун ухааны тайлбарыг дэмждэг. Энэ нь зөөврийн төхөөрөмжөөр газар дээр нь хөнгөн боловсруулалтыг хийж дуусгаад дараа нь сүлжээнд холбогдсон бүсэд буцаж ирсний дараа гүнзгий дүн шинжилгээ хийж, зорилтот үүсгэх боломжтой.
15. Өнгөрсөн төслүүдэд геологийн ээдрээтэй нөхцөлд эрэл хайгуул хийхэд энэ технологийн амжилт ямар байсан бэ? Үүнийг дэмжих ердийн тохиолдол бий юу?
Чэнь Жэнь багш: Гадаргуугийн гадаргатай нарийн төвөгтэй газруудад эрэл хайгуулын амжилт 60 гаруй хувьд хүрч болно. Ердийн тохиолдлуудад Африк дахь алтны уурхайн хайгуулын төсөл орно. Алсын зайнаас тандан судлах AI технологиор тодорхойлсон зорилтот гурван бүсийг 12 г/т хүртэл агуулгатай алтны хүдрийн биетүүдийг өрөмдлөгөөр баталгаажуулсан. Дотоодын төмрийн хүдрийн төслийн хүрээнд тодорхойлсон зорилтот талбайн өрөмдлөгийн нарийвчлал 85%-д хүрсэн.
3. Хэрэгжилтийн хэмжээ
1. Энэхүү технологид хайгуулын тайлан, зорилтот газар нутгийг тодорхойлох ажлыг дуусгах стандарт мөчлөг хэр удаан үргэлжлэх вэ?
Чэнь Жэнь багш: Талбайн хэмжээ, мэдээлэл олж авахад хүндрэлтэй байдлаас шалтгаалж стандарт мөчлөг нь 15-30 хоног байна: 100 км.кв талбайн хувьд 15 орчим хоног, 1000 км квадратаас дээш талбайтай бол 30 орчим хоног байна.
2. Энэ технологийг уламжлалт өрөмдлөг, геофизикийн эрэл хайгуулын технологитой хослуулан хэрэглэх үед ажлын үе шатуудыг хэрхэн хуваах вэ, зардлыг оновчтой болгох вэ?
Чэн Жэнь багш: Үүнийг гурван үе шаттайгаар нэгтгэхийг зөвлөж байна.
Эрт үе шат: Зорилтот бүсийг хурдан тодорхойлохын тулд зайнаас тандан судлах хиймэл оюун ухааныг ашиглах (зардал 10%);
Дунд хугацааны үе шат: Зорилтот талбайд геофизикийн нарийвчилсан хайгуул хийх (зардал 30%-ийг эзэлсэн);
Хожуу үе шат: Геофизикийн гажиг талбайн өрөмдлөгийн баталгаажуулалт (өртөг нь 60%-ийг эзэлсэн). Энэхүү загвар нь уламжлалт хайгуулын зардлыг 30%-50%-иар бууруулах боломжтой.
3. Энэхүү технологи нь ашигт малтмалын эрхийн арилжааны эхний үе шатанд ямар тодорхой нөөцийн үнэлгээний мэдээллийг өгч чадах вэ?
Чен Жэнь багш: Энэ нь зорилтот талбайн солбицол, эрдэсжилтийн магадлал, нөөцийн тооцоо, эрдэсжилтийн төрөл, хүдрийн хяналтын хүчин зүйлс гэсэн таван үндсэн ангиллын мэдээллээр ашигт малтмалын эрхийн үнэлгээний бүрэн тайланг бүрдүүлж, гүйлгээний шийдвэрийн үндсэн суурь болж чадна.
4. Энэхүү технологиор хангагдсан зорилтот талбайн мэдээллийг ашигт малтмалын эрхийн өргөдөл, ашигт малтмалын эрхийн гүйлгээнд шийдвэр гаргах үндсэн суурь болгон ашиглаж болох уу?
Чэн Жэн багш: Мэдээжийн хэрэг. Манай зорилтот бүсийн өгөгдлийг олон эх сурвалжийн өгөгдөл нэгтгэх болон AI алгоритм дээр үндэслэн бүтээдэг. Төслийн баталгаажуулалтын дараа тогтвортой байдлын өндөр хувьтай байдаг. Үүнийг олон уул уурхайн компаниуд ашигт малтмалын эрхийн өргөдөл, гүйлгээний шийдвэр гаргах үндсэн суурь болгон ашиглаж ирсэн. Зарим үр дүн нь газар, нөөцийн албаны мэдүүлэгт хянуулсан байна.
5. Ашигт малтмалын эрхийн иж бүрэн үнэлгээ, онооны системд энэ технологи нь хэрхэн дэмжлэг үзүүлж, харгалзах оноог бөглөж байна вэ?
Багш Чен Жэн: "Ашигт малтмалын нөөцийн нөөцийн хэмжээ, хайгуулын эрсдэл" болон ашигт малтмалын эрхийн үнэлгээний бусад хэмжигдэхүүнүүдэд тоон мэдээллийн дэмжлэг үзүүлж болно.
Эрдэсжилтийн боломж: Эрдэсжилтийн индекс болон ашигт малтмалын нэгдэлд үндэслэн оноо авсан;
Нөөцийн хэмжээ: 3D загварын тооцооллын үр дүнд суурилсан оноо;
Хайгуулын эрсдэл: Геологийн суурь болон хэвийн бус тогтвортой байдалд үндэслэсэн оноо.
6. Энэ технологийг нэвтрүүлэхэд аж ахуйн нэгжүүдэд ямар программ хангамж, техник хангамж, тоног төхөөрөмж, мэргэжлийн техникч шаардлагатай вэ?
Чэн Жэн багш:
Техник хангамж: өндөр хүчин чадалтай ажлын станцууд (AI тооцоолоход зориулагдсан), зөөврийн боловсруулах төхөөрөмж (газар дээрх офлайн үйл ажиллагаанд зориулагдсан);
Програм хангамж: Манай патентлагдсан алгоритмын програм хангамж, зайнаас тандан судлах өгөгдөл боловсруулах платформ (ENVI, ArcGIS гэх мэт);
Боловсон хүчин: Зайнаас тандан судлах геологи, хиймэл оюун ухааны алгоритмын анхан шатны мэдлэгтэй, сургалтын дараа ажиллах боломжтой 1-2 техникч.
7. Энэ технологийн ашиглалтын дараах болон засвар үйлчилгээний зардал хэд вэ? Технологийн шинэчлэл, боловсон хүчнийг сургах шаардлагатай юу?
Чэнь Жэнь багш: Сүүлчийн ашиглалт, засвар үйлчилгээний зардал бага, үүнд голчлон программ хангамжийн шинэчлэл (жилд 10,000-20,000 юань), боловсон хүчнийг тогтмол сургах (хагас сард нэг удаа); Бид алгоритм, программ хангамжийг үргэлжлүүлэн давтаж, техникийн шинэчлэлт, хамтын ажиллагааны компаниудад алсын зайнаас дэмжлэг үзүүлэх болно.
8. Энэхүү технологиор гарсан эрэл хайгуулын үр дүн нь ашигт малтмалын хайгуулын мэдүүлэг, ашигт малтмалын эрхийн зөвшөөрлийн зохицуулалтын шаардлагыг хангаж чадах уу?
Чэн Жэн багш: Бүрэн сэтгэл хангалуун байна. Манай үр дүнгийн тайлан нь "Ашигт малтмалын хайгуулын техникийн нөхцөл", "Зайнаас тандан судлах геологийн тайлбарын тодорхойлолт" зэрэг үндэсний стандартыг чанд мөрддөг. Зорилтот талбайн мэдээлэл, нөөцийн тооцоо болон бусад агуулгыг хайгуулын мэдүүлэг, ашигт малтмалын эрхийн зөвшөөрөл авахад шууд ашиглаж болно.
9. Энэ технологийг компанийн одоо байгаа хайгуулын үйл явцад хурдан тохируулж, саадгүй холболт хийж чадах уу?
Чэн Жэн багш: Тийм ээ. Манай технологи нь компанийн одоо байгаа хайгуулын үйл явцтай гүн гүнзгий уялдаж болно. Энэ нь уламжлалт бүс нутгийн геологийн судалгааг эхний шатанд орлож, дунд хугацаанд геофизикийн зорилтот талбайн оновчлолд тусалж, дараагийн шатанд өрөмдлөгийн баталгаажуулалтыг дэмжих боломжтой. Одоо байгаа үйл явцыг сэргээн босгох шаардлагагүй бөгөөд дасан зохицох ажлыг ердөө 1-2 долоо хоногийн дотор хийж болно.
10. Энэ технологи нь мэдээллийн аюулгүй байдлыг хэрхэн хангадаг вэ? Алсын зайнаас тандан судлах өгөгдөлд нийцэх эрсдэлээс зайлсхийх боломжтой юу?
Багш Чен Жен: Өгөгдлийн аюулгүй байдлын хувьд бид орон нутгийн шифрлэгдсэн хадгалах сан + үүлэн зөвшөөрлийн хяналтын давхар баталгааг хэрэгжүүлдэг; нийцлийн хувьд бид зөвхөн нийтийн болон хууль ёсны зайнаас тандан судлах өгөгдлийг (Landsat, Sentinel цуврал гэх мэт) ашиглаж, үндэсний мэдээллийн аюулгүй байдал, зайнаас тандан судлах мэдээллийн ашиглалтын журмыг чанд мөрдөж, дагаж мөрдөх эрсдэлээс бүрэн зайлсхийдэг.
11. Компаниуд энэ технологийг ашиглахад ямар техникийн дэмжлэг, үйлчилгээний дараах үйлчилгээг авах боломжтой вэ?
Чен Жэнь багш: Бид бүрэн хэмжээний техникийн дэмжлэг үзүүлдэг.
Эрт үе шат: төслийн төлөвлөгөөг өөрчлөх, боловсон хүчний сургалт;
Дунд хугацааны: алсын зайнаас техникийн удирдамж, өгөгдөл боловсруулах дэмжлэг;
Сүүлчийн үе шат: үр дүнгийн тайланг хянах, алгоритмын давталттай шинэчлэх, төслийг хянах, оновчтой болгох.
12. Энэ технологийн оролт гаралтын харьцаа хэд вэ? Уламжлалт эрэл хайгуулын загвартай харьцуулахад хайгуулын зардлыг хэр хэмжээгээр бууруулах боломжтой вэ?
Чэн Жэнь багш: Орц-гаралтын харьцаа 1:5-1:10 хүрэх боломжтой; Уламжлалт эрэл хайгуулын загвартай харьцуулахад хайгуулын зардлыг 30%-60%-иар бууруулж, голчлон хээрийн судалгаа, геофизикийн хамрах хүрээг оновчлох болон бусад асуудлыг хэмнэх боломжтой.
13. Энэ технологи нь ашигт малтмалын эрхийг өргөтгөх, талбайг өргөтгөх хайгуул хийхэд ямар үндсэн дэмжлэг үзүүлж чадах вэ?
Чэн Жэн багш: Үндсэн дэмжлэгт дараахь зүйлс орно.
Уул уурхайн эрхийн өргөтгөл: Өргөтгөлийн программуудыг дэмжих зорилгоор зорилтот бүсийн нөөцийн шинэчлэл, эрдэсжилтийн боломжийн үнэлгээний тайланг гаргах;
Өргөтгөх хайгуул: захын металлоген бүсийг тодорхойлж, өргөтгөлийн зорилтот бүсүүдийг бий болгож, талбайг өргөтгөхөд ашиглах үндэслэл болно.
14. Энэхүү технологи нь ашигт малтмалын тодорхой төрөл, тодорхой газар нутгийн хайгуулын хэрэгцээнд нийцүүлэн, захиалгат хөгжүүлэлтийг дэмждэг үү?
Чен Жэнь багш: Захиалгат хөгжлийг дэмжинэ. Бид компанийн тодорхой төрлийн ашигт малтмалын төрөл (литий, газрын ховор элемент) болон тодорхой бүс нутагт (халуун орны ширэнгэн ой, туйлын бүс гэх мэт) хайгуулын технологийн онцгой шийдлийг боловсруулах алгоритм, загварыг оновчтой болгож чадна.
15. Энэ технологийг ашигласны дараа ашигт малтмалын эрхийн буулт, ашигт малтмалын ашиглалтын нийт мөчлөгийг богиносгож чадах уу?
Чэн Жэнь багш: Үүнийг нэлээд богиносгож болно. Уламжлалт ашигт малтмалын эрхийн буух мөчлөг нь ойролцоогоор 6-12 сар байдаг боловч энэ технологийг ашиглан 3-6 сар хүртэл богиносгож болно; Ашигт малтмалын ашиглалтын мөчлөгийг 1-2 жилээр богиносгож, голчлон зорилтот талбайн нарийвчлал сайжирч, хайгуулын үр ашгийг дээшлүүлснээр өрөмдлөгийн баталгаажуулалтын хугацаа, зардлыг ихээхэн бууруулдаг.
Доктор Лу Гуо (Нарны туяаны орчуулга): Ноён Чен, дэлгэрэнгүй хариулт өгсөнд маш их баярлалаа! Өнөөдөр бид алсын зайнаас тандан судлах геологийн хиймэл оюун ухаант эрэл хайгуулын технологийн үндсэн цэгүүдийг техникийн зарчмууд, үзэгдэлд дасан зохицохоос практикт хэрэгжүүлэхээс эхлээд системтэйгээр ангилсан. Технологийн эвдэрсэн давуу тал, нарийн төвөгтэй хувилбаруудын шийдэл эсвэл компаниудын хамгийн их санаа зовдог зардал, үр ашиг, нийцлийн асуудал эсэхээс үл хамааран бид мэргэжлийн болон практик хариултуудыг хүлээн авсан. Энэхүү технологи нь уламжлалт ашигт малтмалын эрэл хайгуулын тулгамдсан асуудлуудыг шийдвэрлэхээс гадна уул уурхайн компаниудад ашигт малтмалын эрхийн гүйлгээ, хилийн чанад дахь төлөвлөлт, талбайн өргөтгөлийн хайгуул зэрэгт бодитой шийдвэр гаргахад дэмжлэг үзүүлж, "зардлыг бууруулж, үр ашгийг дээшлүүлж, ашигт малтмалын нарийн эрэл хайгуул"-д үнэхээр хүрч чадна.
Хэрэв уул уурхайн компанид ашигт малтмалын тодорхой төрөл, тодорхой газар нутагт хайгуул хийх шаардлагатай байгаа эсвэл өөрт тохирсон технологи боловсруулах, төслийн хамтын ажиллагааны талаар илүү ихийг мэдэхийг хүсвэл манай Suntrans баг нь ашигт малтмалын хайгуулын салбарт боломжуудыг ашиглах, эрсдлийг бууруулахад туслах зорилгоор техникийн шийдлийг нэгээр нь суулгах, хэрэгжүүлэхэд дэмжлэг үзүүлэх боломжтой. Чанартай хуваалцсан Чен багшдаа дахин баярлалаа!
← Буцах
