Автоматизированное картирование металлотектов с использованием методов глубокого машинного обучения
- Длительность доклада: 90 мин
- Количество просмотров: 1
- Добавлен в подборки: 3 раза
Аннотация
В докладе рассматривается применение методов глубокого машинного обучения для картирования металлотектов и прогнозирования оруденения по комплексным геолого-геофизическим данным на примере Центрально-Колымского золоторудного района. Научная проблема связана с ограниченностью и неоднородностью исходных данных, сложностью их интерпретации и необходимостью выявления нелинейных зависимостей между геологическими факторами и проявлениями в физических полях. В качестве основного инструмента используются сверточные нейронные сети, реализованные в среде Python с применением библиотек TensorFlow, а также методы подготовки данных, включая разбиение на тайлы и формирование обучающих выборок. Полученные результаты демонстрируют возможность устойчивого распознавания интрузивных массивов, литологических комплексов и тектонических нарушений, а также их пространственную корреляцию с известными золоторудными объектами. Показано, что использование априорных физико-геологических моделей в сочетании с машинным обучением повышает интерпретируемость результатов и позволяет обосновывать прогнозные построения. Практическая значимость заключается в расширении возможностей автоматизированной интерпретации данных и повышении эффективности поисковых работ.