イランのタロムで磁石・アパタイト探査のためのディープラーニングとフラクタル・ウェーブレット技術
Mohammad Mahdi Pourgholam1, Ahmad Adib2, Peyman Afzal1
1Department of Petroleum and Mining Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran.
Scientific reports
|August 29, 2025
まとめ
この研究は,鉄アパタイト鉱化検出のための融合ベースのディープラーニング (FDL) のアプローチを導入します. この方法は,鉄鉱床の鉱物見通しマッピングの強化のための多様な探査データを統合しています.
科学分野:
- 地理科学
- 鉱物探査
- データサイエンス
背景:
- 鉄鉱石の鉱化は,鉄の堆積物の形成を理解するために不可欠です.
- 鉱物化とパラゲネシスの正確な識別は,鉱物探査に不可欠です.
- 伝統的な方法は,様々な地質学的,地物理学的データセットを統合することに苦労します.
研究 の 目的:
- ディープラーニングを用いた鉄アパタイト鉱化検出の新しいアプローチを提案し,検証する.
- 鉱物探査のデータを統合し,鉱物の将来性をマッピングする.
- 核融合ベースのディープラーニング (FDL) アルゴリズムを使用して,潜在的な鉄埋蔵地域を特定する.
主な方法:
- リモートセンシング,空中地球物理学,地化学,地質地図を含む包括的な探査データセットを使用しました.
- 抽出された特徴とクラス間の論理的関係に基づいた展望モデル (PM) を開発した.
- 特徴抽出と値設定のための適用されたフラクタル-ウェーブレットアルゴリズム (DWT,W-N,SA).
- 鉱物予測マッピング (MPM) のための事前訓練されたネットワークと融合ベースのディープラーニング (FDL) アルゴリズムを使用しました.
主要な成果:
- GISと将来性モデルを使用して多様なデータセットを成功裏に統合しました.
- フラクタル・ウェーブレットアルゴリズムは 地質層を効果的に処理し分類しました
- FDLのアプローチは,潜在的な鉄アパタイト鉱化地域を示す鉱物見通しマップ (MPM) を生成しました.
- この研究は鉱物探査データの融合における ディープラーニングの有効性を示した.
結論:
- 提案された融合ベースのディープラーニングアプローチは,鉄アパタイト鉱化検出に有効です.
- FDLを通じて複数の情報源を統合することで,鉱物探査のマッピングの精度が向上します.
- この方法論は,新しい鉄鉱の標的を特定するための強力なツールを提供します.
