Учёные из Томского политехнического университета и Технологического университета им. Амира Кабира (перс.دانشگاه صنعتی امیرکبیر) провели совместное исследование в области преобразования радиометрических и магнитометрических данных горнорудного месторождения с целью получения региональной геологической оценки распространения полезных ископаемых. Результаты опубликованы в журнале Minerals.
Объектом исследования стал участок недалеко от деревни Тут в провинции Йезд, Иран. Работа над проектом велась не один год. Учёные из Ирана занимались сбором полевых геолого-геофизических данных и их первичной интерпретацией, а команда томских специалистов под руководством доцента отделения геологии ТПУ Тимофея Тимкина проводила их обработку и анализ.
Результатом работы стало построение прогностической модели поиска новых месторождений.
«Повышенная радиоактивность на железорудных объектах Ирана навела на мысль о выполнении радиометрических и магнитометрических исследований. Согласно геологическим наблюдениям, наличие магнитных аномалий может иметь сложную связь с интенсивной радиоактивностью различных элементов, — поясняет Тимофей Тимкин. — С помощью метода кластеризации К-средних было изучено поведение двух переменных: напряжённости магнитного поля и радиоактивности элементов. А также представлена математическая зависимость для анализа поведения этих двух переменных относительно друг друга. Кроме того, возрастающая, а затем уменьшающаяся динамика интенсивности магнитного поля Земли относительно интенсивности радиоактивности некоторых элементов показала, что можно обобщить результаты магнитометрических исследований без радиометрических повторных работ в этой области и в соседних районах».
Для оценки полученных данных учёные применили искусственную нейронную сеть.
«Данные площадных геофизических и геохимических работ — очень объёмные. Их оценка, очистка и трансформация занимают у специалистов 80—90% времени, тогда как собственно сам анализ — 10—20%. Это подталкивает нас, как учёных-практиков, к работе с такими данными через математическую статистику и методы на основе нейросетевого анализа, — комментирует Тимофей Тимкин. — Нейронные сети в данном случае выступают как инструментарий, позволяющий применять машинное обучение для оперативной обработки больших данных, проводить их экспресс-интерпретацию и предсказывать недостающую или отсутствующую информацию».
Подобная оценка возможна и для других данных. С помощью разработанного в рамках исследования инструментария можно преобразовать, например, магнитные данные в гравитационные. Таким образом, новые оценочные модели открывают возможность предсказывать геофизические данные.
Авторы статьи предполагают, что результаты исследования, которые были получены на железорудных объектах в Иране, можно использовать в процессе проведения геологоразведочных работ для прогнозирования и выявления новых месторождений полезных ископаемых.
