اکتشاف مدرن - تکنیک های تجسم در اکتشاف مدرن معادن

اکتشاف مدرن - تکنیک های تجسم در اکتشاف مدرن معادن

 اطلاعات را به روش هایی به مغز ارائه می دهند که به الگوها اجازه می دهد برجسته شوند و توسط هوش انسانی خود به راحتی درک شوند. این تکنیک ها با وارونگی ژئوفیزیکی همراه هستند ، ادغام مجموعه داده های متعدد و ساخت مدل های زمین شناسی متناسب با دانش و دانش فعلی را آسان می کنند. سپس این مدل ها می توانند در میان کارگران تمام رشته های اکتشافی منتقل شوند و به صورت بصری تقسیم شوند.

تکنیک های مدل سازی احتمالی برآوردی از احتمال وجود برخی از مکان ها با ویژگی های اکتشافی داده شده ، میزبان یک کانسار ، بر اساس مجموعه ای از نمونه های شناخته شده ارائه می دهند. روش وزن شواهد ، که قبلاً برای این منظور استفاده شده است ، می تواند نتایج مفیدی را ارائه دهد ، اما با مفروضات اساسی آن محدود است. از طرف دیگر ، روش های شبکه عصبی و هسته ، از این طریق محدود نیستند و می توانند اطلاعات معنی دارتری را از داده ها استخراج کنند.

این مطالعه شامل 25 لایه داده اولیه اکتشاف از جمله زمین شناسی ، سنجش از دور ، ژئوشیمی ، گرانش ، بررسی های آهن ربایی و مغناطیسی ، زمین دیجیتال و ساختار منطقه ای ، همراه با ذخایر شناخته شده طلا است. در ارائه داده به مدل باید دقت شود. به عنوان مثال ، داده های ژئوفیزیکی ممکن است از اهمیت کمی به عنوان مقادیر نقطه ای برخوردار باشند و به رمزگذاری نیاز دارند که الگوی داده ها را در همسایگی یک ایستگاه مشخص نشان دهد. همین امر در مورد ساختار منطقه ای و تا حدی در زمین شناسی صادق است. تعداد ورودی های مدل می تواند از این طریق به صدها رشد کند ، بنابراین بهینه سازی و قاعده بندی کارآمد مورد نیاز است.

این مدل اجازه می دهد تا نتایج مربوط به مجموعه داده های جداگانه به طور جداگانه تجزیه و تحلیل شود. به عنوان مثال زمین شناسی ارتباط زیادی بین ذخایر شناخته شده طلا و آندزیت سوم نشان می دهد. مجموعه داده های دیگر الگوهای مشابه اما الزاماً همزمانی را نشان نمی دهند. سپس می توان مجموعه داده ها را با هم ترکیب کرد و یک نقشه مطلوب برای هدف ایجاد کرد. زیر منطقه Walker Lane که در سایت تست نوادا قرار دارد.

سرانجام ، توزیع امتیازات مطلوبیت ، بر منطقه شناخته شده طلا و به طور کلی منطقه ، این احتمال را تعیین می کند که یک مکان با امتیاز بالاتر از یک آستانه مشخص ، میزبان سپرده باشد. توزیع نمرات همچنین اجازه می دهد تا هزینه ها و مزایای مورد انتظار یک برنامه اکتشافی محاسبه شود ، و نشان می دهد که چگونه هدف گذاری بهبود یافته حاصل از مدل هزینه های اکتشاف را کاهش می دهد و احتمال موفقیت را افزایش می دهد