Desplegando el potencial del modelamiento
El personal técnico de Maptek usó su imaginación para ampliar el potencial de DomainMCF para mejorar los resultados del modelamiento geológico.
El Team Leader de Maptek DomainMCF, Andrew Myers, ganó el desafío inaugural de geología del personal por un proyecto que exploró si la incorporación del despliegue en el proceso de modelamiento mejoraría los modelos resultantes.
Una categoría del personal celebrada junto con la competencia externa Geology Challenge en noviembre, atrajo la participación de ingenieros de software, geólogos y un ingeniero de minas.
El desafío era explotar la inteligencia de machine learning de DomainMCF aplicándolo a problemas que antes no tenían solución.
Myers ideó su proyecto sobre “Bending DomainMCF” para descubrir si el motor de modelamiento podría usarse para modelar coordenadas y, de ser así, podría usarse ese resultado para definir transformaciones de coordenadas.
Observando que DomainMCF puede modelar la tendencia de una transformación, Myers descubrió que tiende a alisar demasiado las superficies. Luego escribió un script de “Desenrollar superficie” que entregó un mecanismo de despliegue incremental.
“Me sorprendió que me acercara a lo que quería hacer. Mi siguiente paso es investigar si el nuevo enfoque de desarrollo tiene potencial para convertirse en una nueva herramienta en Vulcan GeologyCore”, dijo Myers.
Otra entrada de ingeniero de software en DomainMCF para generar imágenes y animaciones en 2D, reveló que el motor no necesita usar todos los datos; un muestreo aleatorio del 80% da resultados similares al uso del 100%.
En cuanto a los geólogos, Steve Sullivan abordó la preparación de medidas estructurales orientadas para su incorporación con datos de perforación y muestra como entrada para el modelamienro de dominio. Lo que lo sorprendió fue lo difícil que era tomar datos aparentemente simples y desarrollar un proceso para hacerlos utilizables en DomainMCF.
“Un aprendizaje de mi presentación fue desencadenar el desarrollo de herramientas fáciles de usar para lograr los mismos o mejores resultados”, dijo Sullivan.
En otra presentación centrada en la geología, el Senior Technical Lead, Richard Jackson, investigó si la incorporación de un modelo de dominio adicional que almacene la anisotropía estructural puede informar el modelado.
Concluyó que DomainMCF tiene éxito donde los datos son “menos” y la geología más compleja, lo que hace mejores modelos que utilizan más información geológica que ya está disponible para los geólogos.
Jackson inició el concepto de desafío de geología en 2021 y está impresionado con el entusiasmo de los clientes y el personal.
“La capacidad de ver datos en espacios plegados y desplegados de una manera tan fácil es una perspectiva muy interesante”, dijo.
Los resultados del desafío interno destacan hasta qué punto se puede estirar el motor DomainMCF cuando los usuarios piensan fuera de la caja.
- Un proyecto de desarrollo novedoso que utiliza machine learning ganó la categoría del personal del Desafío de Geología Maptek 2022
- Otro proyecto reveló que DomainMCF puede producir una salida de imagen de calidad a partir de un muestreo aleatorio de datos del 80%
- Los proyectos internos destacaron hasta qué punto se puede estirar el motor DomainMCF cuando los usuarios piensan fuera de la caja