Ученые использовали нейросеть в разведке месторождений железной руды

Изображение: stux (cc)
Железная руда
Железная руда

Инновационный способ преобразования радиометрических и магнитометрических данных железорудного месторождения с помощью нейросети освоили для получения региональной геологической оценки распространения полезных ископаемых ученые Томского политехнического университета (ТПУ) и Тегеранского политехнического университета, 9 декабря сообщает пресс-служба ТПУ.

Район исследования расположен недалеко от деревни Тут в провинции Йезд в Иране. Он был выбран из-за его перспективности в отношении наличия железной руды, доступности геологоразведочных работ и развитой инфраструктуры.

Ученые из Ирана занимались радиометрическими и магнитометрическими исследованиями, а также их первичной интерпретацией. Обработку и анализ геолого-геофизических данных проводила команда томских специалистов под руководством доцента отделения геологии ТПУ Тимофея Тимкина. Выводы и построение прогнозной модели поиска новых месторождений были выполнены совместно.

Тимофей Тимкин рассказал: «Повышенная радиоактивность на железорудных объектах Ирана навела на мысль о выполнении радиометрических исследований и магнитометрических исследований».

Геологические наблюдения показывают, что магнитные аномалии в месте залегания железной руды имеют сложную связь с интенсивной радиоактивностью различных элементов. Применив метод кластеризации К-средних, ученые изучили напряженность магнитного поля и радиоактивность элементов в исследуемом районе, получив математическую зависимость для анализа взаимосвязи этих двух переменных.

«Данные площадных геофизических и геохимических работ — это цифровые, очень объемные данные. Их оценка, очистка и трансформация занимают у специалистов 80–90% времени, тогда как собственно сам анализ — 10–20%. Это подталкивает нас как ученых-практиков к работе с такими данными через математическую статистику и методы на основе нейросетевого анализа», — пояснил Тимкин.

Нейронные сети стали для ученых инструментом, чтобы применить машинное обучение для быстрой обработки этих больших данных, проводить их интерпретацию и предсказывать недостающую или отсутствующую информацию.

Научную статью с описанием выполненных исследований ученые опубликовали в журнале Minerals.

Авторы полагают, что примененный ими в исследованиях метод может быть распространен для получения предсказанных геофизических данных.