«По их оценкам, для проекта потребовалось бы около 600 скважин, они сократили это количество на 30%. Это примерно на 200 скважин меньше, чем предполагалось. Благодаря этому в общей сложности было сэкономлено до шести месяцев работ, что составило почти 50% от запланированного времени!»
Где находится коренная порода? Компании в сфере гражданского строительства тратят много времени на поиск ответа на этот важный вопрос, потому что в случае ошибки рискуют перерасходовать свои бюджеты.
Теперь данные аэрогеофизических съёмок помогают им сократить время, риски и затраты благодаря точному моделированию удельного сопротивления, которое может показывать глубину и мощность толщи, покрывающей коренные породы.
Раньше воздушные съемки в основном проводились для разведки месторождений с использованием приборов, установленных на самолетах, для покрытия больших площадей с целью получения электромагнитных данных.
Сегодня благодаря гибким адаптивным приборам с более высоким разрешением, установленным на вертолетах, проекты гражданского строительства также стали использовать преимущества подобной съемки.
«С помощью вертолетных съемок вы можете следить за топографией и оставаться ближе к земле», — объясняет Токе Сёлтофт, директор и геофизик компании Aarhus GeoSoftware (часть компании Seequent).
«Компании в сфере гражданского строительства часто интересует глубина залегания коренных пород. Вам всегда нужно знать, где находится коренная порода, чтобы обеспечить устойчивость. Кроме того, если речь идет о грунтовых водах, они могут повлиять на риски возникновения обвалов и оползней».
Данные будут более точными, если съемка будет соответствовать направлению ландшафта. Это в сочетании с разработкой приборов для работ методом становления поля (ТЕМ) с более высоким разрешением позволяет инфраструктурным проектам снизить риски, связанные с состоянием грунта, и затраты.
«Вот что часто происходит в геотехнических проектах в целом:
Бюджеты всегда перерасходуются. Потому что при наличии одних только скважин вы располагаете всего лишь точечными измерениями, а условия между ними могут сильно различаться».
«Насколько глубоко залегает коренная порода? Какова мощность покрывающих пород над коренной породой? Какова мощность глин? Каковы объемы выемки при строительстве дороги или туннеля?»
Токе отмечает ключевые проблемы, с которыми сталкиваются при проектировании инфраструктурных объектов.
С помощью данных аэросъемки, программного обеспечения для моделирования Workbench и нейронной сети при проектировании строительства шоссе в Норвегии смогли ответить на эти вопросы, сократив затраты на бурение на 30%, а время реализации — на шесть месяцев (50%).
Проект E16 в Норвегии
Норвегия известна своими ледниковыми фьордами, береговой линией и безбрежными ландшафтами.
Вся эта красота сопровождается очень сложным геологическим строением. В сложных грунтовых условиях, включая ледниковые отложения и сложные морские глины, команде проекта E16 необходимо было найти лучший маршрут для 19-километрового шоссе.
«Им нужно было знать, насколько различается глубина залегания коренных пород, чтобы найти лучший коридор для строительства дороги», — рассказывает Токе.
Команда подсчитала, что для определения наилучшего маршрута потребуется 600 скважин, но решила использовать аэрофотосъемку для определения точек бурения.
«Если вы выполните аэрофотосъемку огромной территории, а затем интерпретируете ее, используя существующую информацию, полученную в результате бурения, вы можете создать модели, с помощью которых можно понять неопределенность», — объясняет Токе.
«Тогда вы сможете увеличить объемы бурения в тех областях, где неопределенность наиболее высока».
Данные TEM, полученные в результате аэрофотосъемки, использовались для поиска ослабленных зон на участках, где варьировалась глубина залегания коренных пород, так что бурение можно было ограничить этими областями. Это подразумевало меньшее количество скважин, что позволяло сократить затраты.
Отражают ли данные съемки фактическую картину?
Аэрофотосъемка TEM на участке 170 километров заняла всего два дня, что намного более быстро и обеспечивает более высокое разрешение в сложных областях по сравнению с наземными методами.
Они использовали программное обеспечение Workbench для создания точных моделей сопротивления на основе данных съемки.
«Workbench учитывает информацию прибора: геометрию, форму волны, временное окно, а также текущие и прошлые характеристики работы прибора», — объясняет Токе.
«Наличие этих верных характеристик чрезвычайно важно для получения наиболее точных моделей сопротивления на основе данных съемки».
«Существует множество фильтров, которые можно применить для удаления или сглаживания зашумленных данных». Вы можете удалить шумы и искажения, если на метод TEM влияют искусственные объекты, такие как линии электропередач, здания и т. д.».
Модели хороши настолько, насколько хороши данные в них. Workbench позволил команде контролировать качество моделей, созданных на основе данных, и учитывать несовпадающие модели, повторную обработку данных и даже эффекты вызванной поляризации (IP), вызванные глиной или минералами.
Имея на руках чистые данные, они смогли выполнить инверсию данных для исследования геологической среды в 2D-профилях, а также в 3D-гридах и объемах.
Они также смогли выделить области с разной степенью неопределенности.
«Вы можете провести проверки качества, чтобы увидеть, насколько велико несоответствие между моделями по сравнению с данными.
Вы часто повторно обрабатываете и запускаете новую инверсию, пока не получите модели, соответствующие данным, и не будете довольны результатами», — говорит Токе.
«Затем вы можете визуализировать ее с помощью интерфейса ГИС и сделать серию разрезов по удельному сопротивлению или глубине до залегания коренной породы».
«Оттуда вы можете выполнить визуализацию или экспорт в другое ПО, например Leapfrog.
В нашем случае они экспортировали модели для использования в нейронной сети».
Чистые данные для машинного обучения
Некоторая исходная информация о скважинах проекта уже была доступна. Команда проекта поместила модели сопротивления Workbench и скважинные данные в нейронную сеть для моделирования.
Программа машинного обучения смогла быстро смоделировать закономерности и установить связи, создав модель коренной породы, в которой учитывалась вся информация.
Используя эту комплексную модель коренных пород, команда смогла более точно ориентировать будущее бурение на области, где неопределенность была самой высокой, и уменьшить ее путем бурения.
Что еще более важно, они смогли избежать ненужного бурения в областях с более высокой степенью уверенности в отношении грунтовых условий, что позволило сэкономить время и снизить затраты, при этом минимизируя геологические риски.
«Поместив модели сопротивления в эту нейронную сеть, вы можете с уверенностью сказать, что этот участок находится там, где находится коренная порода, определить объем покрывающих пород и указать, в каких областях нужно провести дополнительные исследования», — говорит Токе.
Быстрая проверка качества скважинных данных
Раньше в проектах гражданского строительства много бурили и верили, что скважинная информация точна.
«Но это всегда зависит от того, кто отбирал пробы, насколько хорошо они описаны и других факторов», — объясняет Токе.
Таким образом, несмотря на обстоятельное бурение, геологические риски часто приводили к перерасходу бюджета из-за различий между скважинами и ошибок ввода и интерпретации данных.
Моделирование удельного сопротивления в Workbench помогает командам сократить и то, и другое.
«Если вам доступны литология скважины, а также информация об удельном сопротивлении скважин, их можно импортировать в Workbench.
Информация об удельном сопротивлении скважины может использоваться для ограничения инверсии моделей сопротивления», — говорит Токе.
«Это приведет к созданию моделей сопротивления, максимально точно соответствующих как удельному сопротивлению ствола скважины, так и литологии ствола скважины, а также данным TEM».
Объединяя все данные для сравнения моделей, строительные компании могут затем просмотреть скважины, не соответствующие данным, и попытаться учесть различия.
Сокращение расходов и охрана окружающей среды
Проекты гражданского строительства часто бывают масштабными и оказывают большое влияние на участок проведения работ.
Экспорт моделей Workbench в программное обеспечение для геологического моделирования или BIM позволяет минимизировать не только ошибки, риски и затраты, но и влияние проекта.
«За счет меньшего объема бурения и создания дороги там, где это наиболее целесообразно, вы сокращаете выбросы CO2 и уменьшаете воздействие на окружающую среду», — говорит Токе.
Поскольку в проектах гражданского строительства участвуют больше заинтересованных сторон и регулирующих органов, демонстрация снижения воздействия является беспроигрышным вариантом для планеты и для подрядчиков.
«Это действительно новая эра для бесконтактных методов геофизической съемки в гражданском строительстве.
Мы только начинаем узнавать, насколько впечатляющими являются результаты».
Узнайте больше о расширенном портфеле новых решений Seequent.