A METHODOLOGICAL FRAMEWORK FOR THE PREPROCESSING AND INTEGRATION OF GEOSPATIAL AND GEOPHYSICAL DATA FOR MINERAL PROSPECTIVITY PREDICTION USING MACHINE LEARNING

Аннотация

Стремительное развитие искусственного интеллекта и анализа данных значительно расширило возможности проведения геонаучных исследований. В данной работе представлен систематический подход к подготовке, консолидации и исследованию геопространственной и геофизической информации с использованием методов машинного обучения без учителя. В качестве практического примера данный процесс продемонстрирован на основе анализа спутниковых изображений района Сундарбанов с использованием открытых источников данных, при этом разработанная методологическая основа ориентирована на последующее применение к наборам данных о магнитных и гравитационных аномалиях на территории Казахстана. Предлагаемый подход объединяет инструменты на базе Python для обработки геопространственной информации с методами обучения без учителя. Первоначальное тестирование подтвердило, что тщательная подготовка данных и выявление характеристик существенно повышают наглядность пространственных неоднородностей, создавая основу для разработки прогностических моделей оценки перспективности минеральных ресурсов с использованием сверточных нейронных сетей, а также архитектур AlexNet и U-Net. Количественная оценка с использованием коэффициента силуэта (0,73) и индекса Дэвиса–Болдина (0,42) подтвердила высокое качество кластеризации и улучшение качества данных.