Leapfrog Geo---隐式的地质建模技术(implicit modelling)

1 引言

这篇文章编译自《Leapfrog geo V5.0》的用户手册。作为一个软件产品介绍，极力地展示自己软件的优点本无可厚非，但Leapfrog geo确实不是唯一能作隐式模拟的软件，在以前的文章中曾经讨论过其它方法，我们将在近期推出的另一篇文章《构造地质建模技术的进展》从学术的角度公平地讨论各种模拟技术和软件产品，包括基于机器学习算法的建模技术以及隐式模拟的理论背景。

2 隐式建模概念

隐式建模(implicit modelling)是地质建模中一个改变游戏规则的创新。传统上，地质模型的制作采用手工绘图的方式。首先定义剖面，并在剖面上绘制岩性、断层和矿脉，然后画线连接多个剖面的表面。以这种方式建立的地质模型既耗时又不灵活，因为当需要增加更多数据的时候很难更新模型。早期作的但后来证明是不正确的假设，可能会以一种永远不会被纠正的方式形成一个模型，因为重新开始建模的话需要耗费非常大的精力。地质学家不是利用他们的知识来揭示研究地点的重要信息，而是花了大量时间从事机械性的绘图。

另一方面，隐式建模允许地质学家花更多时间思考和关注地质问题本身。隐式建模通过使用数学工具从数据中推导出模型，消除了机械性的绘图工作。一旦建立起数学结构，便可用于数据不同方面的3D可视化。Leapfrog Geo使用FastRBF™，这是一种从径向基函数(radial basis functions)发展而来的数学算法。FastRBF使用由地质学家提供的数据和参数推导出要建模的若干变量中的任何一个变量来构建表面，离散变量如岩性，连续变量如矿石品位。可视化不是呈现一个由僵硬的几何结构构建的模型，而是与现实中的自然形式相呼应。

3 隐式建模优点

隐式建模的优势究竟在哪里呢？隐式模型能够快速使用最新的数据保持模型更新，不需要花费数周或更长时间手动增加新的钻孔数据来修改模型。隐式建模允许从数据中产生多个可供选择的假设模型，影响模型的新数据，即使是非常重要的或根本性的新数据，也可以不费吹灰之力进行吸收和整合。这种快速建立模型的方式，意味着可以不断测试一系列的地质解释。

由于创建模型所需的努力较少，因此地质学家将有更多的时间了解地质和研究更复杂的细节，如断层、地层序列、趋势和矿脉等，在更大程度上开发的模型比以前更精确地反映了实际情况。

使用隐性建模会减少地质风险。在传统的建模中，开发的第一个模型可能被当作是真实的基础模型，尽管后来越来越多的证据可能显示出这个基础模型根本不正确；相反，隐式建模使用和遵循已被证实的科学方法来开发假设的模型，通过实验寻找新的数据来证实或否定模型，最终产生出最好的模型。地质学家能够在地质学上合理的极限范围内试验替代参数以确定所产生的模型是否有任何显著的变化，然后用概念性的误差条来支撑模型，通过地质统计学分析以确定哪些模型是最有效的。

隐式建模很容易改变想法。也许已经制作了一些模型展示了包围着特定等级矿石的等距壳。然后，商品价格的变化使得有必要使用替代的矿石等级值来重新创建模型。如果该模型是手工制作的，这样做是不现实的。但有了隐式模型，就很容易隐式建模，用新的插值参数生成一个新的模型，意味着很容易产生这种有价值的商业信息。

更容易回答新的问题。一个模型往往能很好地回答一个问题或一类问题，而新的问题需要新的模型。如果一个模型需要几个月的时间来制作，那么这些新问题可能永远得不到答案。如果一个模型只需几天或几小时的努力就能产生，就可以获得有价值的见解，提供关键的商业价值。

4 隐式建模使假设变得明确

通常情况下，仅有的数据信息是不够的。例如，钻孔数据很可能需要用已知的地质学细节来补充。当地质学家使用传统技术构建模型时，他们会利用他们的地质知识来决定模型的构建。这是地质学家会自动做的事情，这无可挽回地将测量的数据和假设的数据混为一谈，隐藏了影响模型发展的主观假设。然而，隐式建模将测量数据与解释分开，地质学家可以使用折线和结构盘来解释数据，而不把它们等同于测量数据。隐式建模使假设明确化；硬数据和用户引入的解释之间有一个明确的分离。

隐性建模和介绍一些交流地质不同方面的模型，为地质学家提供了新的工具，可以用来与其他部门的专业人士交流。在纯粹的业务层面上，专业人员可以将他们的技能用于富有成效的、有价值的地质建模，而不是无休止地在截面上画线。隐性模型更具有可重复性，因此也更具有可审计性，因为它们是从实际数据和明确通报的地质解释中得出的，以选定的参数变量作为输入，并使用数学算法进行处理。

隐式建模中唯一隐含的东西是两个已知值之间的未知值。其他都是显性的。由于这个原因，最好把传统的建模技术称为 "传统建模"而不是 "显式建模"，假设它应该被贴上一个与 "隐性建模 "相反的名字。隐性建模要比传统建模更明确。

5 隐式建模功能(Best Practices)

(1) 分析数据---使用钻孔解释和数据可视化工具分析数据；使用三维可视化来寻找数据集中的错误。

(2) 保持专注---制作一个模型来回答一个特定的问题或解决一个特定的问题，不要因为所有的数据都在那里就不必要地建立模型。提出一个新的问题时，使用必要的数据制作一个模型来回答这个问题。

(3) 实验和探索---制作同一模型的变体或甚至使用完全不同的基本假设的模型。计划有助于揭示什么模型最适合的钻孔，然后抛弃与新数据不一致的模型。

(4) 理解风险---使用一系列的输入参数和假设进行建模，以了解地质风险的程度。

(5) 分享---讨论和探索替代方案。

(6) 适应---以前，制作和审查传统模型的努力意味着当模型完成后不久出现新的数据时，人们不愿意重新建立模型。然而，通过隐式建模，你应该在新数据可用时立即整合新数据并完善模型。修订后的模型可以表明，计划中的活动应该被重新安排，因为坚持原来的计划会浪费昂贵的资源，而回报却很少。

(7) 评估和审查---不要以为生成一个模型很容易，就认为你已经迅速产生了正确的模型。了解地质情况对于验证模型和产生地质上合理的东西至关重要。