Опции

Дождитесь завершения модели

Если при запуске формы выбрано значение Дождитесь завершения модели, форма Copilot будет оставаться на экране до завершения процесса, как и любая другая функция Micromine Origin. При запуске инструмента с выключенным параметром Дождитесь завершения модели форма исчезнет, пока данные будут обрабатываться в облаке, что позволит вам продолжать использовать Micromine Origin для других задач. Вы можете проверить ход облачной обработки, просмотрев панель Задачи.

Примечание: опция Ожидать завершения модели всегда будет включена, когда инструмент Grade Copilot запускается с помощью макроса.

После завершения обработки в облаке в левом нижнем углу окна Micromine Origin & Beyond появится уведомление с вопросом, хотите ли вы продолжить процесс. Если вы пропустите уведомление, вы сможете увидеть, что оно вам пришло, посмотрев на красную точку на колокольчике уведомлений. Если вы нажмете на колокольчик, откроется панель Уведомления, где вы найдете уведомление и сможете продолжить процесс.

Когда вы продолжите процесс и нажмете Запустить в форме Copilot, функция создаст выходной файл (если потребуется) и запросит возвращенную модель, чтобы вывести значения для необходимых местоположений.

Затухание до фонового содержания

Опция Затухание до фонового содержания полезна для того, чтобы привести оцененные содержания вокруг месторождения к фоновому содержанию или к категории фона (коренная порода). Это помогает предотвратить завышение содержания в экстраполированных значениях.

Фоновое содержание задается для каждого атрибута на вкладке Числовые, где оно по умолчанию равно минимальной оценке в файле. Если включен параметр Затухание до фонового содержания, то он включен для всех числовых атрибутов. Его нельзя применять к одним и не применять к другим. Затухание до фона может быть применено к моделированию Категориальный, если была выбрана категория фона. Если категория фона не выбрана, параметр Затухание до фонового содержания не будет иметь эффекта.

Преобразование пространства модели

Модели нейронных сетей более устойчивы к анизотропным закономерностям, чем другие методы, но может потребоваться некоторая корректировка пространства модели для лучшего соответствия местной геологии. Если, например, вы моделируете область с тонкими горизонтальными слоями породы или типами пород, которые были пробурены в широко расположенных скважинах, возможно, стоит преувеличить вертикальное расстояние. Предусмотрено четыре варианта изменения пространства модели:

• Нет регулировки

• На основе входной геометрии (по умолчанию)

  Этот метод, по-видимому, хорошо работает со многими наборами данных. По сути, он нормализует каждую ось координат независимо на основе входных данных.

• Глобальный тренд

  По сути, он нормализует каждую ось координат независимо на основе входных данных.

• Файл структурных трендов

  Используйте файл структурного тренда, чтобы исказить пространство. Если у вас есть каркасы трендов, которые использовались для создания файла структурных трендов, вам может быть лучше использовать каркасы трендов в качестве направляющих поверхностей и оставить настройку преобразования модели либо На основе входной геометрии, либо Нет.

   

Подгонка моделей (продвинутый уровень)

Термин «Подгонка» используется в машинном обучении для описания того, как смоделированные значения отражают значения входных данных. Обратите внимание, что синяя (смоделированная линия) в примере переобучения соответствует данным в каждой точке данных, но явно «неправильна» при выводе значения Y между точками данных.

У вас есть четыре варианта управления «подгонкой» модели нейронной сети. Если вы отрегулируете этот параметр. Перемещение ползунка вправо, ближе к Potentially over fit (возможное переобучение), время обучения модели увеличится.

Начальная настройка, вероятно, приведет к Potentially under fit (возможное недообучение) модели - она будет очень гладкой, отражая общую тенденцию данных, но, скорее всего, не будет точно соответствовать исходным данным (похоже на создание «приемлемой» модели с использованием большого числа образцов).

По умолчанию используется настройка Сбалансированный. Вероятно, это позволит создать модель, которая представляет собой хороший компромисс между хорошим сопоставлением локальных данных и определением значений в областях между точками данных.

Настройки Расширенный и Экстремальный, скорее всего, создадут модели, которые лучше соответствуют локальным данным, но могут начать хуже работать между точками данных. Это может в разной степени повлиять на кривые содержания и тоннажа или на непрерывность литологии в зависимости от месторождения.

Вывод