https://youtu.be/BZtLSNl8Kys

Este artículo de investigación explora el uso de Bosques Aleatorios (RF), un algoritmo de aprendizaje automático, para crear Mapas de Prospectividad Mineral (MPM ) con el fin de identificar zonas con un alto potencial de yacimientos de oro orogénico en la zona de Geraldton, en Ontario (Canadá). Los autores abordan los retos que plantea el modelado de MPM, incluida una novedosa aplicación del procesamiento del lenguaje natural (PLN ) para analizar los datos de los mapas geológicos e identificar posibles fuentes y trampas de oro. También investigan varios métodos para definir los datos de entrenamiento sin depósito y demuestran la eficacia de combinar varios MPM en un enfoque de conjunto. El estudio se centra en el cinturón de piedra verde de Beardmore-Geraldton, conocido por sus yacimientos de oro, y utiliza diversos datos geológicos, geofísicos y geoquímicos. Los autores utilizan modelos 3D de densidad, susceptibilidad y resistividad derivados de datos geofísicos para definir la litología a distintas profundidades. También emplean PNL para extraer información textual de los mapas geológicos, convirtiéndola en datos numéricos para el modelado de la RF. Los resultados ponen de relieve la importancia de ponderar las minas de oro en función de la producción y demuestran que los MPM generados mediante RF son eficaces para predecir los yacimientos de oro conocidos. La investigación identifica varias zonas prometedoras para la exploración de oro, situadas principalmente en el cinturón de piedra verde Beardmore-Geraldton. P. Geo. Ricardo A Valls, M. Sc. and Geo Gadfly Valls Geoconsultant ORCID ID- https://orcid.org/0000-0002-5421-0914 Scopus Author ID: 7003369619/35335510700 ResearcherID: S-6604-2018 If you like this content, please "buy me a coffee" https://www.buymeacoffee.com/goldendroplets