Aprendizaje profundo y técnicas de onda fractal para la exploración de magnetita-apatita en Tarom Irán

Área de la Ciencia:

• Ciencias de la Tierra
• Exploración mineral
• Ciencia de los datos

Sus antecedentes:

• La mineralización de la apatita de hierro es crucial para comprender la formación de depósitos de hierro.
• La identificación precisa de la mineralización y la paragénesis es vital para la exploración mineral.
• Los métodos tradicionales a menudo luchan con la integración de diversos conjuntos de datos geológicos y geofísicos.

Objetivo del estudio:

• Proponer y validar un nuevo enfoque para detectar la mineralización de la apatita de hierro utilizando el aprendizaje profundo.
• Integrar datos de exploración de múltiples fuentes para mejorar la cartografía de la prospectividad mineral.
• Aplicar un algoritmo de aprendizaje profundo basado en la fusión (FDL, por sus siglas en inglés) para identificar regiones con depósitos potenciales de hierro.

Principales métodos:

• Utilizó un conjunto de datos de exploración integral que incluye teledetección, geofísica aérea, geoquímica y mapas geológicos.
• Desarrolló un Modelo de Prospectividad (PM) basado en relaciones lógicas entre características y clases extraídas.
• Algoritmos aplicados de ondas fractales (DWT, W-N, SA) para la extracción de características y el umbral.
• Empleado un algoritmo de aprendizaje profundo basado en la fusión (FDL) con redes pre-entrenadas para el mapeo de prospectividad mineral (MPM).

Principales resultados:

• Integrado con éxito diversos conjuntos de datos utilizando SIG y un modelo de prospectividad.
• Los algoritmos de ondas fractales procesaron y clasificaron efectivamente las capas geológicas.
• El enfoque FDL generó un Mapa de Prospectividad Mineral (MPM) que indicaba las posibles zonas de mineralización de la apatita de hierro.
• El estudio demostró la eficacia del aprendizaje profundo en la fusión de datos de exploración mineral.

Conclusiones:

• El enfoque de aprendizaje profundo basado en la fusión propuesto es eficaz para detectar la mineralización de la apatita de hierro.
• La integración de datos de múltiples fuentes a través de FDL mejora la precisión de la cartografía de la prospectividad mineral.
• Esta metodología ofrece una herramienta poderosa para identificar nuevos objetivos de depósito de hierro.