Лабораторные экспериментальные и цифровые исследования
- Длительность доклада: 42 мин
- Количество просмотров: 6
- Общая продолжительность просмотров: 1 ч 35 мин
Автор:
Руководитель по развитию продукта DeepCore, аспирант Сколковского института науки и технологий. Выпускник геологического факультета МГУ, имеет практический опыт седиментологических исследований, учувствовал в ГДП-200. С 2018 года выполняет проекты, основанные на применении методов машинного обучения в геологии.
Аннотация
Доклад рассматривает эволюцию методик лабораторных исследований, начиная с их истории и развития анализа с увеличением объема данных. Обсуждаются общие принципы исследования, включая сбор, распределение образцов и проведение экспериментов, а также методы анализа результатов и решение выявленных проблем.
Особое внимание уделяется описанию разнообразия данных и методам их получения. Доклад рассматривает применение алгоритмов машинного обучения (МО) для прогноза результатов пиролитического анализа после экстракции.
Далее представлены примеры использования МО для предсказания геологических параметров, основанных на геохимии почвы, а также использование искусственных нейронных сетей и метода опорных векторов. Доклад раскрывает применение МО для предсказания геохимических свойств на основе гиперспектральных данных, включая производственное применение алгоритмов на базе геохимических проб.
Другие темы включают в себя рассмотрение сверточных нейронных сетей, улучшение оценки механических свойств с использованием МО, получение минеральных карт из СЭМ и томографических снимков.
Доклад также рассматривает практические примеры и сложности применения цифровых методов. Рассматривается использование методов МО, моделирования и рекомендательных систем. Представлена система оптимизации лабораторных исследований керна.