如果你把GeoModeller看作不仅仅是一个地质3D编辑器，而是一项技术，那么它确实是一个相当有趣的产品。其主要区别在于试图将地质解释和地球物理学结合为一个三维模型。
在经典方法中，地质学家可以构建类似这样的模型：地图+剖面+井数→地质三维模型。
GeoModeller 在此基础上增加了地球物理观测数据：地质学 + 结构数据 + 井 + 磁学 + 重力测量 + 电磁学/其他数据→一个单一的三维地下模型。
公司称之为隐式3D地质建模引擎。该模型不仅通过手工绘制曲面构建，还采用地统计向量场和协克里吉法。
这是一个重要的区别。
1. 最有趣的是隐式建模
假设我们有：20口井;岩石接触点;地层走向和倾角数据;多个地质剖面;缺点。GeoModeller 尝试用数学方法构造地质体边界的连续三维曲面。也就是说，程序知道：层A在B之上，B层在C之上，断层与A和B相交，侵入体切割这些地层。因此，模型在地质上变得一致，而不仅仅是一幅美丽的三维图像。
2. 但GeoModeller的真正力量在于地球物理的反馈
这时产品变得更加有趣。假设一位地质学家构建了一个初步模型：该模型→计算它应制造的磁异常类型。这被称为前向建模。然后我们比较实际测量到的磁异常计算结果。如果不匹配，模型会被调整。重力也是同样的道理。GeoModeller支持二维和三维磁力和引力数据的正向和反向建模。
3. 但随机反演可能是最有趣的部分
这正是这种方法比传统3D建模更强大的地方。假设存在一个地质模型No1。它对应现有的井。但还有大量其他模型也可以对应井。GeoModeller 可以生成许多有效的模型 1、模型 2 等变体......Model 100并测试它们在：重力;磁学;磁场/重力张量数据。结果不是单一的“真理”，而是一组与观测数据兼容的地质模型。仅凭这一点，就能评估不确定性。这种联合随机反演是GeoModeller的关键优势之一。
4. 对Sensore来说非常重要的事情
现在我们更清楚为什么无畏号最初会对森索尔感兴趣。SensOre 致力于基于大量数据和人工智能/机器学习技术寻找矿床。GeoModeller 实现了下一层：数据→解读，→物理一致的三维地下模型。这实际上是一个潜在的非常强的耦合：SensOre收集并分析大量地质/地球化学/地球物理数据，AI识别有前景的模式，并形成假设。GeoModeller构建三维地质模型，基于地球物理数据进行核对，生成替代模型，并评估不确定性。也就是说，GeoModeller可以作为SensOre AI方法基础上的“3D物理引擎”。
5. 水井是另一项优势
GeoModeller 可以处理钻孔数据：项圈→地质勘测→并将井信息与计算出的三维模型进行比较。如果井数据与模型相矛盾，可以用来调整模型。这对现场勘探尤其有趣：“这是我们矿体模型。下一个井钻哪里最好？”
6. 还有资源估计
GeoModeller不仅仅是地质学。它具备资源估算工具：反距离;克里金;高斯模拟;域名克里金;变异分析。特别值得关注的是领域克里吉，这是一种考虑地质结构和领域边界的插值法。也就是说，链条可以大致是这样：地质学→3D模型→地球物理学→矿区→品位估计→资源模型
Download 百度云
您暂时无权访问此隐藏内容！
密码文件（S）：密码：www.gopaysoft.com
