Logo

THÀNH TỰU MỚI TRONG ĐỊA VẬT LÝ LỖ KHOAN THẰM DÒ QUẶNG PHÓNG XẠ

22/09/2018 In bài viết

  •          1927: là thời kì phát triển quan niệm.
  •          1927 - 1949: thời kì được chấp nhận
  •          1949 - 1985: thời kì vàng
  •          Sau 1985: thời kì phát minh lại. Phát minh các thiết bị đo ghi có độ phân giải cao và phát triển các phần mềm phân tích tổng hợp tài liệu địa vật lý lỗ khoan.
Trong khoảng hai thập niên trở lại đây, trí tuệ nhân tạo với những phát triển vượt bậc và đột phá đã được các nhà khoa học nghiên cứu, phát triển và ứng dụng trong nhiều lĩnh vực. Trong nghành địa vật lý những năm gần đây, những thành tựu của trí tuệ nhân tạo đã được áp dụng giải quyết các nhiệm vụ địa chất. đặc biệt là những công nghệ trong tính toán mềm như mạng nơ-ron.
Liên đoàn Địa chất Xạ-Hiếm đã ứng dụng mạng nơ-ron nhân tạo (ANN) trong địa vật lý lỗ khoan thăm dò quặng phóng xạ và đạt được các kết quả tốt trong việc xác định cột địa tầng thạch học, dự báo chiều dày, hàm lượng, liên kết các lỗ khoan thăm dò quặng phóng xạ.
I. MỞ ĐẦU

Mạng nơ-ron hay còn gọi là mạng nơ-ron nhân tạo (ANN) là một hệ thống xử lý thông tin có một vài đặc tính thực thi giống như là các mạng nơron sinh học. Mạng nơron được phát triển như là tổng quát hóa của các mô hình toán học của nhận thức con người hay hệ thần kinh sinh học, dựa trên các giả định sau :
-Thông tin xử lý tại nhiều phần tử đơn giản gọi là các nơron.
-Tín hiệu được truyền giữa các nơron thông qua các kết nối.
-Mỗi kết nối có một trọng số, thông thường được nhân với tín hiệu truyền qua.
-Mỗi nơ-ron sử dụng một hàm kích hoạt để xác định tín hiệu đầu ra theo tổng các tín hiệu đầu vào.
Một mạng nơ-ron được đặc trưng bởi 3 đặc tính sau :
  1.      Hình thái của các kết nối giữa các nơ-ron (kiến trúc mạng),
  2.      Phương pháp xác định các trọng số của các kết nối (thuật toán huấn luyện),
  3.      Hàm kích hoạt.
Hình 1 biểu diễn một mạng nơ ron điển hình bao gồm 1 lớp đầu vào (input layer), 1 lớp ẩn (hidden layer) và 1 lớp đầu ra (output layer).
Với mạng nơ-ron có n1 đầu vào x, n2 nơ-ron ở lớp ẩn thì kết quả đầu ra y của mạng nơ-ron có thể biểu diễn toán học như sau:

Trong đó: f là hàm kích hoạt, a và b là trọng số của các kết nối, ao và bo gọi là các thiên lệch (bias).

Đặc điểm của mạng nơ-ron là có khả năng giải quyết được những vấn đề phức tạp bằng cách làm sáng tỏ các mối quan hệ phi tuyến. Các ứng dụng của mạng nơ-ron trong giải quyết các vấn đề cụ thể có thể nhóm lại thành hai nhóm chính. Đó là các vấn đề với mục đích phân loại, nhận dạng và các vấn đề với mục đích dự báo.
II. PHƯƠNG PHÁP XÂY DỰNG
II.1. Xây dựng mạng ANN
Phân tích ANN đối với quặng urani tập thể tác giả dựa vào 2 đường cong chủ yếu là GR và U.
Lớp đầu vào (input layer) là 2 (GR, U).
Lớp ẩn (hidden layer) bao gồm các node. Trong chương trình chúng tôi sử dụng 3 node ẩn và một lớp đầu ra (output layer) tương ứng với hàm lượng (C%) hình 3.

Dữ liệu đầu vào bao gồm tên lỗ khoan (Well), độ sâu (Depth), hàm lượng phân tích hóa (C%), các giá trị của đường cong (GR, U) tương ứng với 2 thông số lớp đầu vào (Input Layer). Các số liệu được lưu vào file dữ liệu đầu vào (Data Input – (*.dti).

Các tham số đầu vào L dữ liệu đầu vào, Số tham số lớp đầu vào (Number of input layer): 2. Số tham số lớp ẩn (Number of hidden layer): 3. Số tham số lớp đầu ra (Number of output layer): 1. Tốc độ học (Leaning rate): 0,5. Số lần chạy tối đa (Number of itterations): 1500. Giá trị lấy từ 0 đến +1, hàm kích hoạt Sigmoid.

Sau đó ta tiến hành luyện sao cho sai số nhỏ nhất chấp nhận được hoặc khi tính hệ số tương quan bình phương đạt trên 0,64. R2=0,82=0,64.

II.2. Xây dựng đường cong chu kỳ  trầm tích  
Đặc điểm chu kỳ trầm tích phải căn cứ độ hạt trầm tích. Độ hạt có tương quan nghịch nhưng rất chặt với GR, chính vì vậy ta có thể lấy sự biến thiên của đường cong GR làm chu kỳ trầm tích. Các đường cong GR tương ứng giá trị cho từng điểm. Ta tính trung bình các điểm cực tiểu và cực trị sẽ cho ta giá trị nằm giữa 2 điểm cực trị đó. Nếu ta lấy trung bình của các điểm mới ta sẽ có đường cong trung bình mượt mà hơn. Nếu ta tính trung bình hóa nhiều lần sẽ cho ta các đường cong khác nhau tương ứng các chu kỳ trầm tích khác nhau.

III. KẾT QUẢ
Tổng hợp các tài liệu địa chất, kết quả phân tích mẫu hóa, kết quả phân tích địa vật lý lỗ khoan, kết quả ANN và đường cong chu kỳ giúp cho việc xác định chiều dày, hàm lượng và liên kết các lỗ khoan được chính xác hơn và cho kết quả khá tốt.
Kết quả phân tích bằng ANN và đường cong chu kỳ giúp cho việc minh giải địa vật lý lỗ khoan trở nên đa dạng, và hiệu quả hơn.

IV. KẾT LUẬN
1.      Việc áp dụng mạng nơ-ron nhân tạo (ANN) trong thăm dò quặng urani đã cho kết quả khá tốt. ANN đã dự báo được chiều dày, hàm lượng các thân quặng urani phù hợp với các kết quả thực tế địa chất.
2.      Dựa vào các kết quả của ANN và đường cong chu kỳ giúp cho việc minh giải địa vật lý lỗ khoan được hiệu quả hơn.
3.      Cần áp dụng ANN đối với các loại hình quặng ẩn sâu nhằm phát hiện dự báo tránh được hiện tượng làm mất quặng.
V. VĂN LIỆU
1. Lê Hải An, 2011. Những thành tựu mới trong địa vật lý giếng khoan.
2. Nguyễn Như Hiền & Lại Khắc Lãi, 2007. Hệ mờ và nơ-ron trong kỹ thuật điều khiển.

Nguyễn Văn Tuyên - Liên đoàn địa chất Xạ - Hiếm
 Nguyễn Kim Long - Trường Đại học Mỏ - Địa Chất

NHỮNG NỘI DUNG KHÁC

Kỷ niệm 35 năm thành lập Liên đoàn Địa chất Xạ - Hiếm 1978 - 2013
Hào khí Viêt Nam (Liên đoàn ĐỊa chất Xạ - Hiếm)
Văn nghệ Hội nghị Đại biểu Liên đoàn Địa chất Xạ - Hiếm năm 2016
Phân tích mẫu trên thiết bị ORTEC GEM 30

Phân tích mẫu trên thiết bị ORTEC GEM 30

Hệ thống ICP-MS Agilent 7700x
Hệ thống ICP-MS Agilent 7700x
Nghiền mịn mẫu đất đá
Nghiền mịn mẫu đất đá

Hoạt động chuyên môn

Đơn vị trực thuộc

Đăng nhập

Liên kết website

Hình ảnh liên đoàn

Copyrights 2017 Geological Division for Radioactive And Rare Elements. All rights reserved.