El ganador del Maptek Geology Challenge modela estructuras complejas

October 4, 2023

Cuando se anunció el Control de la complejidad como el tema del Maptek Geology Challenge 2023, Caroline Burden, geóloga de ingeniería de GMEK, ya estaba lidiando con un fascinante conjunto de datos en el proyecto de Croydon de Jubilee Metals Ltd. El objetivo inicial de completar el mapeo estructural se convirtió en una bola de nieve para crear un modelo geológico para su proyecto ganador.

Ahora en su tercer año, el Maptek Geology Challenge brinda a todos los participantes acceso al software DomainMCF, Vulcan y Vulcan GeologyCore durante un mes.

El conjunto de datos que cautivó a Burden estaba compuesto principalmente por pozos de perforación recolectados hace unos 40 años. Tener intervalos de ensayo de 10 a 20 m de largo y registros de litología inconsistentes fue un desafío suficiente. Agregar un pozo, a punto de volver a entrar en producción, expuesto a los elementos desde la década de 1990 hizo que el mapeo estructural fuera aún más difícil.

“Anteriormente, procesábamos los datos marcando manualmente los pozos de perforación con diferentes vetas, evaluábamos los resultados del modelo y repetíamos hasta la saciedad”, dijo Burden.

Horas de computación gratuitas con el motor de aprendizaje automático de Maptek DomainMCF fue el incentivo para probar un enfoque de modelado más basado en datos.

DomainMCF le permitió a Burden observar las tendencias 3D de la distribución de la ley para visualizar patrones y agregar fallas y empujes del subsuelo que se alinean con el mapeo estructural. Esto ayudó a incorporar dominios adicionales para bloques de fallas y plegamientos para refinar el veteado en los modelos.

“Realmente pude ver dónde eran posibles esas estructuras en el subsuelo. Reunir los pozos de perforación, los datos de ATV con las estructuras seleccionadas y los datos mapeados dentro de Vulcan GeologyCore ayudó a refinar y ubicar las estructuras que controlaban inherentemente la mineralización”, señaló Burden.

DomainMCF también ayudó a evaluar las relaciones estructurales en el subsuelo. Como era de esperar, Burden encontró que estas relaciones estructurales se alineaban con las características mapeadas presentes en la pared, lo que resalta el valor del mapeo estructural y los conocimientos revelados para el modelado geológico y el control de la complejidad.

“Es ideal que los modelos están basados ​​en gran medida en datos, pero invariablemente necesitamos una forma de manejar parte de la imprecisión estadística para llenar los vacíos. El aprendizaje automático utilizado junto con los datos estructurales fue clave para desarrollar un modelo más completo, que es lo que realmente esperamos”, concluyó Burden.

Maptek le otorgó el segundo lugar a Anthony Bottrill, geólogo principal de recursos en InterGEO Resource Consulting, quien también disfrutó de la capacidad de combinar fácilmente los tipos de datos. Esto le permitió generar rápidamente un modelo geoquímico 3D de primera pasada utilizando datos de múltiples elementos, mostrando las tendencias naturales antes de realizar cualquier interpretación.

“Esperaba comprender los controles geológicos dentro de las extensiones de datos conocidas, lo que no esperaba era que DomainMCF presentará una extrapolación plausible fuera de las extensiones de datos”, dijo Bottrill.

“Esto me permitió comprender mejor la relación entre dos depósitos adyacentes e identificar una zona de exploración objetivo para la estructura principal de alimentación del sistema en profundidad”.

Señaló que, si bien existen muchas herramientas para analizar datos de múltiples elementos, normalmente esto se hace a nivel de muestra (aespacial), porque el análisis en el entorno 3D implica mucha preparación y suposiciones aplicadas.

“DomainMCF requirió una entrada mínima para configurarse y dejar que los datos hablaran por sí mismos espacialmente”, dijo Bottrill. “A partir de ahí, pude trabajar en interpretaciones espaciales informadas de una manera que no pude hacer con otros métodos”.

“La combinación de las herramientas de geología de Maptek me permitió concentrarme en la interpretación y pensar en los controles del depósito espacialmente; aquí es donde creo que reside el verdadero valor para un geólogo de modelado”.

“El aprendizaje automático, si se utiliza como otra herramienta para ayudar a nuestro trabajo, podría ofrecer nuevas oportunidades de modelado para interpretar la geología y los yacimientos”, concluyó Bottrill.

El tercer puesto fue para Evelyn Charlesworth, científica computacional de recursos hídricos en Kōmanawa Solutions, por un proyecto que buscaba comprender mejor la heterogeneidad costera. Su herramienta favorita fue el control deslizante de visualización de yuxtaposición para comparar fácilmente los resultados geológicos de los modelos creados a partir de diferentes conjuntos de datos.

El coordinador de Maptek, el geólogo sénior Richard Jackson, agradeció a todos los participantes del desafío y señaló que las propuestas de 2023 abarcaban múltiples tipos de productos básicos y aplicaciones de geología de recursos y geología de ingeniería.

“Vimos algunas técnicas verdaderamente innovadoras utilizadas para resolver una amplia gama de problemas”, dijo Jackson. “Establecimos el tema de “controlar la complejidad” y las propuestas ganadoras superaron nuestras expectativas al usar DomainMCF para comprender y controlar la complejidad de sus modelos”.

Maptek aplaude el hecho de que Burden planee utilizar las horas de computación ganadoras de DomainMCF para continuar desarrollando nuevos y emocionantes enfoques para el modelado geotécnico.