1 引言

這篇文章編譯自《Leapfrog geo V5.0》的用戶手冊。作為一個軟件產品介紹，極力地展示自己軟件的優點本無可厚非，但Leapfrog geo確實不是唯一能作隱式模擬的軟件，在以前的文章中曾經討論過其它方法，我們將在近期推出的另一篇文章《構造地質建模技術的進展》從學術的角度公平地討論各種模擬技術和軟件產品，包括基于機器學習算法的建模技術以及隱式模擬的理論背景。

2 隱式建模概念

隱式建模(implicit modelling)是地質建模中一個改變游戲規則的創新。傳統上，地質模型的制作采用手工繪圖的方式。首先定義剖面，并在剖面上繪制巖性、斷層和礦脈，然后畫線連接多個剖面的表面。以這種方式建立的地質模型既耗時又不靈活，因為當需要增加更多數據的時候很難更新模型。早期作的但后來證明是不正確的假設，可能會以一種永遠不會被糾正的方式形成一個模型，因為重新開始建模的話需要耗費非常大的精力。地質學家不是利用他們的知識來揭示研究地點的重要信息，而是花了大量時間從事機械性的繪圖。

另一方面，隱式建模允許地質學家花更多時間思考和關注地質問題本身。隱式建模通過使用數學工具從數據中推導出模型，消除了機械性的繪圖工作。一旦建立起數學結構，便可用于數據不同方面的3D可視化。Leapfrog Geo使用FastRBF?，這是一種從徑向基函數(radial basis functions)發展而來的數學算法。FastRBF使用由地質學家提供的數據和參數推導出要建模的若干變量中的任何一個變量來構建表面，離散變量如巖性，連續變量如礦石品位。可視化不是呈現一個由僵硬的幾何結構構建的模型，而是與現實中的自然形式相呼應。

3 隱式建模優點

隱式建模的優勢究竟在哪里呢？隱式模型能夠快速使用最新的數據保持模型更新，不需要花費數周或更長時間手動增加新的鉆孔數據來修改模型。隱式建模允許從數據中產生多個可供選擇的假設模型，影響模型的新數據，即使是非常重要的或根本性的新數據，也可以不費吹灰之力進行吸收和整合。這種快速建立模型的方式，意味著可以不斷測試一系列的地質解釋。

由于創建模型所需的努力較少，因此地質學家將有更多的時間了解地質和研究更復雜的細節，如斷層、地層序列、趨勢和礦脈等，在更大程度上開發的模型比以前更精確地反映了實際情況。

使用隱性建模會減少地質風險。在傳統的建模中，開發的第一個模型可能被當作是真實的基礎模型，盡管后來越來越多的證據可能顯示出這個基礎模型根本不正確；相反，隱式建模使用和遵循已被證實的科學方法來開發假設的模型，通過實驗尋找新的數據來證實或否定模型，最終產生出最好的模型。地質學家能夠在地質學上合理的極限范圍內試驗替代參數以確定所產生的模型是否有任何顯著的變化，然后用概念性的誤差條來支撐模型，通過地質統計學分析以確定哪些模型是最有效的。

隱式建模很容易改變想法。也許已經制作了一些模型展示了包圍著特定等級礦石的等距殼。然后，商品價格的變化使得有必要使用替代的礦石等級值來重新創建模型。如果該模型是手工制作的，這樣做是不現實的。但有了隱式模型，就很容易隱式建模，用新的插值參數生成一個新的模型，意味著很容易產生這種有價值的商業信息。

更容易回答新的問題。一個模型往往能很好地回答一個問題或一類問題，而新的問題需要新的模型。如果一個模型需要幾個月的時間來制作，那么這些新問題可能永遠得不到答案。如果一個模型只需幾天或幾小時的努力就能產生，就可以獲得有價值的見解，提供關鍵的商業價值。

4 隱式建模使假設變得明確

通常情況下，僅有的數據信息是不夠的。例如，鉆孔數據很可能需要用已知的地質學細節來補充。當地質學家使用傳統技術構建模型時，他們會利用他們的地質知識來決定模型的構建。這是地質學家會自動做的事情，這無可挽回地將測量的數據和假設的數據混為一談，隱藏了影響模型發展的主觀假設。然而，隱式建模將測量數據與解釋分開，地質學家可以使用折線和結構盤來解釋數據，而不把它們等同于測量數據。隱式建模使假設明確化；硬數據和用戶引入的解釋之間有一個明確的分離。

隱性建模和介紹一些交流地質不同方面的模型，為地質學家提供了新的工具，可以用來與其他部門的專業人士交流。在純粹的業務層面上，專業人員可以將他們的技能用于富有成效的、有價值的地質建模，而不是無休止地在截面上畫線。隱性模型更具有可重復性，因此也更具有可審計性，因為它們是從實際數據和明確通報的地質解釋中得出的，以選定的參數變量作為輸入，并使用數學算法進行處理。

隱式建模中唯一隱含的東西是兩個已知值之間的未知值。其他都是顯性的。由于這個原因，最好把傳統的建模技術稱為 "傳統建模"而不是 "顯式建模"，假設它應該被貼上一個與 "隱性建模 "相反的名字。隱性建模要比傳統建模更明確。

5 隱式建模功能(Best Practices)

(1) 分析數據---使用鉆孔解釋和數據可視化工具分析數據；使用三維可視化來尋找數據集中的錯誤。

(2) 保持專注---制作一個模型來回答一個特定的問題或解決一個特定的問題，不要因為所有的數據都在那里就不必要地建立模型。提出一個新的問題時，使用必要的數據制作一個模型來回答這個問題。

(3) 實驗和探索---制作同一模型的變體或甚至使用完全不同的基本假設的模型。計劃有助于揭示什么模型最適合的鉆孔，然后拋棄與新數據不一致的模型。

(4) 理解風險---使用一系列的輸入參數和假設進行建模，以了解地質風險的程度。

(5) 分享---討論和探索替代方案。

(6) 適應---以前，制作和審查傳統模型的努力意味著當模型完成后不久出現新的數據時，人們不愿意重新建立模型。然而，通過隱式建模，你應該在新數據可用時立即整合新數據并完善模型。修訂后的模型可以表明，計劃中的活動應該被重新安排，因為堅持原來的計劃會浪費昂貴的資源，而回報卻很少。

(7) 評估和審查---不要以為生成一個模型很容易，就認為你已經迅速產生了正確的模型。了解地質情況對于驗證模型和產生地質上合理的東西至關重要。