https://youtu.be/KWZ0XNHCxgw

В этой научной статье рассматривается использование Random Forests (RF), алгоритма машинного обучения, для создания карт перспективности месторождений полезных ископаемых (MPM) с целью выявления участков с высоким потенциалом орогенных месторождений золота в районе Джералдтон (Онтарио, Канада). Авторы рассматривают проблемы моделирования MPM, включая новое применение обработки естественного языка (NLP) для анализа данных геологических карт и точного определения потенциальных источников и ловушек золота. Они также исследуют различные методы определения обучающих данных без месторождений и демонстрируют эффективность объединения нескольких MPM в ансамблевый подход. Исследование посвящено зеленокаменному поясу Бирдмор-Геральдтон, известному своими месторождениями золота, и использует разнообразные геологические, геофизические и геохимические данные. Авторы используют 3D-модели плотности, восприимчивости и удельного сопротивления, полученные на основе геофизических данных, для определения литологии на разных глубинах. Они также используют NLP для извлечения текстовой информации из геологических карт, преобразуя ее в числовые данные для RF-моделирования. Результаты подчеркивают важность взвешивания золотых рудников на основе объемов добычи и демонстрируют, что MPM, созданные с помощью RF, эффективны для прогнозирования известных месторождений золота. Исследование выявило несколько перспективных участков для разведки золота, в основном расположенных в пределах зеленокаменного пояса Бирдмор-Геральдтон. 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