Bu web sitesi tarama deneyimini geliştirmek için çerezleri kullanır. Hangi çerezleri kullanmanız gerektiğine dari önerimizi görebilmek ve hangilerine izin vereceğinizi seçmek için aşağıya bakın. Tümünü Kabul Et'i tıklayarak, Gizlilik Bildirimimiz açısından tüm çerezlerimizin kullanılmasına izin vereceksiniz.
Zaruri Çerezler
Analitik Çerezleri
Pazarlama Çerezleri
Zaruri Çerezler
Analitik Çerezleri
Pazarlama Çerezleri
BHP adına, SRK Consulting ve DeepIQ, potansiyel modellemesini geliştirmek üzere birleşik bir yaklaşım uyarlamaya yönelik bir girişimde işbirliğine gitmiştir. Ekip, gelişmiş veri işleme, bilgi derleme, jeolojik yorumlama ve makine öğrenimini (ML) birleştirerek, kuzey Şili And Dağları'ndaki iyi araştırılmış bir bölgede büyük porfir bakır yataklarının keşfini desteklemek için birden fazla yaklaşımı incelemiştir.
Çalışma, mevcut verileri ele almak için bir mineral sistemi yaklaşımı kullanmıştır. Küresel ve yerel jeolojik bilgilere dayanarak, porfir bakır yatakları için ana arama vektörleri ve kriterleri, İlgi Alanı genelinde tablo haline getirilmiştir. Tüm değerli bilgiler, çok çeşitli yorumlama ve işleme yöntemleri ve algoritmaları kullanılarak mevcut bölgesel veri setlerinden çıkarılmıştır. Yeterli sağlamlıktan yoksun olduğu değerlendirilen bölgesel veri setleri, ML tabanlı bir iş akışına beslenmeye uygun olduklarından emin olmak için yeniden çalışılmıştır. Bu bilgiler kanıtsal katmanlara çevrilmiş ve çok modlu veri setleri bir bulut veri platformuna beslenmiş ve bütünleştirilerek analitiğe hazır bir veri seri oluşturulmuştur. Bu veriler her bir yaklaşımın çeşitli güçlü ve zayıf yönleri yinelemeli bir geri bildirim döngüsüne dahil edilmek suretiyle, bilgi odaklı algoritmalar ile ileri düzey ML ve derin öğrenme algoritmalarının bir kombinasyonu kullanılarak analiz edilmiştir.
Jeolojik bilgiyi makine öğrenimi ile birleştirmenin faydaları arasında makine öğreniminin daha objektif bir yaklaşım vaat etmesi, insan yanlılığının en aza indirilmesi ve büyük miktardaki verinin hızlı bir şekilde sorgulanması sayılabilir. Bununla birlikte, makine öğrenimi yanlılıklara maruz kalabilir (örneğin, kullanılan veriler ve/veya veriler ile jeolojik süreçler arasındaki ilişki ve/veya ilgili özellikler). Uygunsuz veri seçimi, kalitesiz veriler ile jeolojik özellik veya ilgili yatak arasındaki zayıf veya karmaşık bir bağlantı kötü sonuçlara yol açabilir. Jeoloji ve veri biliminin incelikli bir kombinasyonu, bu yanlılıkları en aza indirmeye ve daha iyi sonuçlar sağlamaya yardımcı olabilir.
Bilinen porfir bakır yatağı konumlarını yüksek doğruluk seviyesinde tespit etmek için gereken veri analizi çıktıları, arama için güvenilir ve potansiyel olarak sağlam bir yaklaşım sergilemenin ilk adımı olmuştur.
Çalışma sırasında, çalışma ekibine ilk başta sağlananlara ek olarak yüzlerce bireysel veri seti oluşturulmuştur. Veri setlerinin maden sistemi modeliyle alakası, maden potansiyeli modellerinde hangi veri setlerinin kullanılacağına karar verirken yerbilimciler ile veri bilimcileri arasındaki geri bildirim döngüsü sürecine mutlaka dahil edilmiştir. Bu geri bildirim süreci, model çıktılarının/sonuçlarının anlaşılmasını ve daha sonra çıktıların iyileştirilmesini artırmıştır.
Jeolojik veri setleri, anakaya jeolojisi yorumunu, yapıların yeniden yorumlanmasını, jeokimyasal veri analizini, maden/yatak oluşumlarını (ayak izlerinin yeniden tanımlanması dahil) ve 2B değişiklik modellerini içermiştir. Jeofizik ve uzaktan algılanan veri setleri manyetik, elektromanyetik, gravite, küçük radyometri, dijital arazi modelleri ve uydu görüntülerini (ASTER, Sentinel 2) içermiştir.
Jeokimya gibi seyrek ve tekdüze olmayan veri girdileri, maden potansiyeli modellerinde zorunlu veri öğelerinden ziyade doğrulayıcı olarak kullanılmış olup imputasyona bağımlılığı azaltmıştır (eksik verilerin ikame değerlerle değiştirilmesi süreci).
Bölgenin mimarisinin daha iyi anlaşılmasına yardımcı olmak, altta yatan porfir bakır yatak kontrollerini 3B olarak değerlendirmek ve 3B hedeflemenin bölgesel ölçekte uygulanabilirliğini test etmek için 2B hedefleme çerçevesinin 3B'ye genişletilmesini sağlamak amacıyla İlgi Alanının 3B yapısal ve jeolojik çerçevesinin sağlanmasında yapısal ve intrüsif çerçevenin geliştirilmesine odaklanılarak İlgi Alanının 3B lito-yapısal modeli de oluşturulmuştur.
Sağlam bulanık mantık iş akışları ve gelişmiş veri analitiği kullanılarak birkaç iterasyon yoluyla nihai maden potansiyeli modellerini oluşturmak için kapsamlı bir girdi veri seti ve çıkarım ağı kullanılmıştır. Arama için güvenilir ve potansiyel olarak sağlam bir yaklaşım sergilemenin ilk adımı olarak bilinen porfir bakır yatağı konumlarını yüksek doğruluk seviyesinde tespit etmek üzere veri analizi çıktılarına ihtiyaç duyulmuştur.
Makine öğrenimi tabanlı maden potansiyeli, dağıtılmış ve ölçeklenebilir bulut bilgi işlem çerçeveleri kullanılarak 2B ve 3B olarak tahmin edilmiştir. En iyi sonuçlar, odak alanlarını tanımlamak için bir Füzyon yaklaşımı kullanılarak jeolojik bilgi odaklı bulanık mantık tabanlı çıktılarla birleştirilmiştir.
Önemli sonuçlar şunları içermiştir:
Birkaç önemli kanıtsal katman ana faktör oldu.
Bunların çoğu, yenilerinin oluşturulması da dahil olmak üzere jeolojik veri setlerinin iyileştirilmesi ve yeniden yorumlanmasından kaynaklanmıştır.
Yeni haritaların birçoğu, inceleme sürecinde ve yinelemeli analizde (uzman akran değerlendirmesi dahil) de önemli araçlar oldu.
Entrüzyon katmanları (yüzeye yakın ve derinde) ve ana yapılar, hem jeolojik bilgiden hem de Makine öğrenimi tabanlı modellemeden türetilen nihai maden potansiyeli modellerinde önemli kanıtsal katmanlar oldu.
Manyetik alterasyon haritalaması, makine öğrenimi modellemesinde ek bir faktör olarak kaydedildi.
Sonuçlar:
Üretken, işbirlikçi bir yaklaşım, sonuçları yönlendiren uzman veya uzman ekip olmadan fikirlerin güçlü bir şekilde karşılıklı alışverişine izin vermiştir. Bir maden sistemi çerçevesi içinde veri analitiğinin incelikli bir şekilde uygulanması, bölgesel yeşil alan uygulamaları için idealdir.
Jeolojik bilgiye dayanan gelişmiş ve yeni veri setleri, bu çalışma ile elde edilen sonuçlar için çok önemli olmuştur.
Makine öğrenimi tabanlı bir Füzyon modelinin kullanılması, optimum maden potansiyeli modellerinin oluşturulmasında etkili olmuştur. Füzyon, uzman bilgisini ve veri odaklı derin öğrenme modellerini yakalayan bilgiye dayalı modeller de dahil olmak üzere bir dizi tamamlayıcı modeli birleştirmenin etkili bir yoludur.
Seyrek ve tekdüze olmayan veri girdileri, zorunlu veri öğelerinden ziyade doğrulayıcı olarak kullanılabilir. Seyrek veri girdilerinin jeolojik proxy verilerine sentezi, yetersiz veri ortamlarında etkili bir stratejidir.
İyi aranmış bir bölgede daha ayrıntılı inceleme için birkaç yüksek potansiyel alanı belirlenmiştir.