論文の概要: A Machine Learning Approach for Material Type Logging and Chemical
Assaying from Autonomous Measure-While-Drilling (MWD) Data
- arxiv url: http://arxiv.org/abs/2202.02959v1
- Date: Mon, 7 Feb 2022 05:56:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 17:00:33.939913
- Title: A Machine Learning Approach for Material Type Logging and Chemical
Assaying from Autonomous Measure-While-Drilling (MWD) Data
- Title（参考訳）: autonomous measure-while-drilling (mwd) データを用いた材料型検層と化学測定のための機械学習手法
- Authors: Rami N Khushaba (1), Arman Melkumyan (1), Andrew J Hill (1) ((1)
University of Sydney)
- Abstract要約: 本研究は,物質伐採と化学測定のプロセスを自動化するパイロット研究について報告する。
測定期間データから抽出した特徴に基づいて、機械学習アプローチが訓練されている。
これらの掘削パラメータを基礎となる鉱物組成と結びつける仮説が立てられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the structure and mineralogical composition of a region is an
essential step in mining, both during exploration (before mining) and in the
mining process. During exploration, sparse but high-quality data are gathered
to assess the overall orebody. During the mining process, boundary positions
and material properties are refined as the mine progresses. This refinement is
facilitated through drilling, material logging, and chemical assaying. Material
type logging suffers from a high degree of variability due to factors such as
the diversity in mineralization and geology, the subjective nature of human
measurement even by experts, and human error in manually recording results.
While laboratory-based chemical assaying is much more precise, it is
time-consuming and costly and does not always capture or correlate boundary
positions between all material types. This leads to significant challenges and
financial implications for the industry, as the accuracy of production
blasthole logging and assaying processes is essential for resource evaluation,
planning, and execution of mine plans. To overcome these challenges, this work
reports on a pilot study to automate the process of material logging and
chemical assaying. A machine learning approach has been trained on features
extracted from measurement-while-drilling (MWD) data, logged from autonomous
drilling systems (ADS). MWD data facilitate the construction of profiles of
physical drilling parameters as a function of hole depth. A hypothesis is
formed to link these drilling parameters to the underlying mineral composition.
The results of the pilot study discussed in this paper demonstrate the
feasibility of this process, with correlation coefficients of up to 0.92 for
chemical assays and 93% accuracy for material detection, depending on the
material or assay type and their generalization across the different spatial
regions.
- Abstract（参考訳）: 地域の構造と鉱物組成を理解することは、探査(鉱業前)と鉱業プロセスの両方において、鉱業において重要なステップである。
探査中、希薄だが高品質なデータが収集され、全体の鉱石を評価する。
鉱業の過程では、鉱業が進むにつれて境界位置と材料特性が洗練される。
この精製は掘削、材料伐採、化学測定によって促進される。
材料型伐採は, 鉱物の多様性, 地質学の多様性, 専門家による測定の主観的性質, 手動による測定結果の誤りなどの要因により, 高い変動性に悩まされている。
実験室に基づく化学測定はより正確であるが、時間と費用がかかり、全ての物質間の境界位置を常に捕捉または相関するわけではない。
これは、鉱業計画の評価、計画、実行において、生産高の検層と検査プロセスの正確さが不可欠であるため、産業にとって大きな課題と経済的影響をもたらす。
これらの課題を克服するため、物質伐採と化学測定のプロセスを自動化するパイロット研究を報告した。
自律掘削システム(ADS)からログしたMWDデータから抽出した特徴に基づいて、機械学習アプローチが訓練されている。
MWDデータは、穴深さの関数として物理ドリルパラメータのプロファイルの構築を容易にする。
これらの掘削パラメータを基礎となる鉱物組成と結びつける仮説が立てられている。
本研究は, 化学測定法の相関係数が最大0.92, 材料検出の精度が93%であり, 材料の種類や空間領域の一般化によらず, 本プロセスの有効性を実証するものである。
関連論文リスト
- SciQu: Accelerating Materials Properties Prediction with Automated Literature Mining for Self-Driving Laboratories [0.7673339435080445]
特定の属性を予測するために異なる材料特性を評価することは、材料科学に基づく応用の基本的な要件である。
本研究は,機械学習を利用して材料特性を高精度かつ効率的に解析することにより,これらの課題に対処する。
データ抽出を自動化し、抽出した情報を用いて機械学習モデルを訓練することにより、開発したSciQuは材料特性を最適化する。
論文 参考訳（メタデータ） (2024-07-11T08:12:46Z) - Direct mineral content prediction from drill core images via transfer learning [0.0]
深層探査は、鉱業、石油、ガス産業、化学廃棄物や核廃棄物の処理のための地質単位の評価において重要である。
本研究では,機械学習,特に畳み込みニューラルネットワーク(CNN)を活用して,ドリルコア画像の解析のみからリソロジーとミネラル含量を評価する可能性について検討する。
その結果、ドリルコアセグメントを異なる形成クラスに分類する際、96.7%の精度が明らかとなった。
論文 参考訳（メタデータ） (2024-03-27T12:15:22Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - AI for Porosity and Permeability Prediction from Geologic Core X-Ray
Micro-Tomography [0.0]
岩盤の物理的特性を予測するために,非常に小さなCNN変換器モデルを用いた自己教師付き事前学習を提案する。
この手法は, 極端に小さなデータセットであっても過度に適合しないことを示す。
論文 参考訳（メタデータ） (2022-05-26T06:55:03Z) - Tyger: Task-Type-Generic Active Learning for Molecular Property
Prediction [121.97742787439546]
分子の性質を正確に予測する方法は、AIによる薬物発見において重要な問題である。
アノテーションのコストを削減するため,注釈付けのための最も代表的で情報性の高いデータのみを選択するために,深層能動学習法が開発された。
本稿では,異なるタイプの学習タスクを統一的に処理できるタスク型汎用能動的学習フレームワーク(Tyger)を提案する。
論文 参考訳（メタデータ） (2022-05-23T12:56:12Z) - Maximizing information from chemical engineering data sets: Applications
to machine learning [61.442473332320176]
化学工学の応用において、古典的な人工知能のアプローチを適用するのが難しくなる4つの特徴を同定する。
それぞれのデータ特性について、これらのデータ特性が生じるアプリケーションについて論じ、現在の化学工学研究が、これらの課題を組み込むために、データサイエンスと機械学習の分野をどのように拡張しているかを示す。
論文 参考訳（メタデータ） (2022-01-25T01:25:45Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - A review of machine learning in processing remote sensing data for
mineral exploration [0.41998444721319217]
本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。
異なる鉱床の探査への応用について研究している。
論文 参考訳（メタデータ） (2021-03-13T10:36:25Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Real-Time Well Log Prediction From Drilling Data Using Deep Learning [2.064612766965483]
距離に基づくグローバル感性分析を用いたデータ拡張と特徴工学のためのワークフローを提案する。
Inception-based Convolutional Neural Network with a Temporal Convolutional Network as the Deep Learning model。
北海のVolveフィールドのEquinorデータセットから12の井戸が学習に使用されている。
論文 参考訳（メタデータ） (2020-01-28T03:57:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。