Искусственный интеллект построит трехмерные карты месторождений
20 декабря 2017
Ученые исследовали химический состав 550 образцов фоскоритов (глубинная порода, минералы которой являются источником железа, циркония и фосфора), которые были получены при бурении Ковдорского месторождения. Авторы работы предложили четыре способа определения минерального состава породы по результатам химических анализов, то есть попытались можно выяснить, из каких минералов, рудных и нерудных, состоит горная порода, зная только химический состав породы.
Первоначально ученые рассчитали состав пород без примесей. Вторым способом расчета распространения минералов был учет влияния нескольких независимых параметров на распространение каждого минерала (множественная линейная регрессия). Третий метод предсказания минерального состава основан на определении типа породы по химическому составу с помощью искусственной обучающейся нейронной сети. Для обучения использовали партию образцов, 30% из которых имели известный состав и являлись тестовыми и проверочными. В расчетах использовали несколько функций, из которых выбрали наиболее походящую, сравнив полученные результаты с геологическими данными. Четвертым способом стала логическая схема оценки типов породы. Это своего рода контролируемое обучение или «распознавание образов», которое происходит под руководством человека. В зависимости от химического состава пород их последовательно делят на группы по минеральному составу. Для всех расчетов ученым достаточно мощного персонального компьютера.
Авторы сравнили все четыре способа расчета минерального состава и построили трехмерные карты распространения типов фоскоритов, сопоставив их с описаниями пород, предоставленными геологической службой Ковдорского горно-обогатительного комбината. Оказалось, что прогнозы расположения пород, полученные методом расчета состава без примесей и методом учета нескольких параметров, не соответствовали геологическим данным о взаимоотношениях пород. По мнению ученых, это доказывает, что эти методы нецелесообразно использовать.
Наиболее точными оказались трехмерные карты, полученные при работе с обучающейся нейросетью и логической оценкой типов породы - данные, полученные с их помощью, коррелировали с данными геологической службы. Как предположили ученые, эти методы помогут достаточно быстро создавать более точные, унифицированные модели месторождений. При этом на созданные карты не будет влиять «человеческий фактор», то есть различные и противоречащие друг другу научные концепции о происхождении объекта, а также выделение разного количества типов пород разными геологами.
3D-геологические модели Ковдорского месторождения, автоматически построенные на основе данных о химическом составе, полученным по результатам бурения.
«Воззрения геолога, а именно научная школа, к которой он принадлежит, очень сильно влияют на то, как он описывает месторождение. Существуют международные классификации для отдельных пород, но при полевых исследованиях ученые картируют горизонты, пачки, слои, толщи, которые являются уже комплексами пород. А как выделить комплекс – это воля художника. Так, на одной территории, для одних и тех же пород могут быть выделены разные пачки. И чтобы совместить выделенные разными людьми комплексы пород, иногда необходимо проводить дополнительные исследования. Предложенная методика позволит преодолеть эту субъективность», – приводятся пояснения первого автора статьи, кандидата геолого-минералогических наук Андрея Калашникова.
Исследование, как полагают ученые, позволит геологам точнее планировать разработку месторождений и увеличит количество извлекаемых полезных компонентов. Результаты исследования имеют практическое значение: трехмерная карта Ковдорского месторождения, которую построили в процессе исследования, станет базисом для геометаллургической модели месторождения и позволит улучшить качество добываемой руды, а также извлекать другие полезные элементы, например, скандий. В дальнейшем ученые из Кольского научного центра планируют применить новые подходы для Ловозерского месторождения (Мурманская область) и Большетроицкого железорудного месторождения (Белгородская область).
Помимо практического применения и улучшения качества добываемой руды, построение достоверных моделей геологических объектов поможет ответить на фундаментальные научные вопросы. «Точные модели месторождений позволят лучше понять их происхождение, а значит, приблизят нас к пониманию работы всей системы "планета Земля"», – полагает Андрей Калашников.
Исследования поддержаны грантом Российского научного фонда (РНФ).
- 27 октября 2024 ДЛЯ ГЛАВНОЙ НАУКИ БУДУЩЕГО ЧЕЛОВЕЧЕСТВО ДАЖЕ НЕ ПРИДУМАЛО НАЗВАНИЕ
- 13 октября 2024 Форум «Микроэлектроника 2024» – без высокочистых редких металлов никуда
- 23 сентября 2024 ОТ ВОЗРОЖДЕНИЯ МАГНИТНОГО ПРОИЗВОДСТВА К СОЗДАНИЮ НОВОЙ ИНДУСТРИИ В РФ
- 14 сентября 2024 "Задачи будут решены" – О беспилотниках из первых рук
- 31 августа 2024 ВИКТОР САДОВНИЧИЙ: «ЕСЛИ БЫ НЕ МОСКОВСКИЙ УНИВЕРСИТЕТ, РОССИЯ БЫЛА БЫ ДРУГОЙ»
- 29 августа 2024 Торговая война Китая и США – КНР вводит новый ограничения на рынке РЗМ
- 6 августа 2024 БЫТЬ ЛЕОНАРДО СОВРЕМЕННОСТИ
- 17 июля 2024 Техногенные месторождения. Время разобраться: что выбросить, что оставить для внуков, что использовать сейчас.
- 8 июля 2024 АЛЕКСЕЙ МАСЛОВ: МЫ ЗАЩИЩАЕМ НАЦИОНАЛЬНЫЙ РЫНОК
- 29 июня 2024 От солнечной энергетики – к микроэлектронике
- 19 июня 2024 НОВОЕ ЗВУЧАНИЕ ПЕРМСКОЙ ПРОМЫШЛЕННОСТИ
- 15 июня 2024 МИРОВОЙ ДЕФИЦИТ ВО БЛАГО РОДИНЫ
- 12 июня 2024 АЛЕКСЕЙ ШЕМЕТОВ: «ПЕРЕД СМЗ СТОИТ ГОСУДАРСТВЕННОГО МАСШТАБА ЗАДАЧА»
- 5 июня 2024 НАУКА КАК ИНСТРУМЕНТ БОРЬБЫ ЗА МИР И НЕЗАВИСИМОСТЬ
- 4 июня 2024 РЕДКОЗЕМЕЛЬНЫЕ МАТЕРИАЛЫ ПОМОГУТ РАССЕЯТЬ ТЬМУ - НОВЫЙ ТРЕНД В ФОТОЭЛЕКТРОНИКЕ