By this author

Development of a Technique for Automatic Lineament Allocation Based on a Neural Network Approach

Issue number 6 from 15.09.2025

Целью научной работы является изучение потенциала нейросетевых технологий в области извлечения линейных структур из цифровых моделей рельефа SRTM. Линейные структуры, также известные как линеаменты, играют важную роль при заверке известных разломов, выявлении разломно-трещинных структур, детализации каркаса разрывных нарушений, а также при разведке полезных ископаемых. Их точное и эффективное извлечение при решении обозначенных задач имеет принципиальное значение. Привлечение нейросетевых технологий дает ряд преимуществ перед последовательными алгоритмами, включая возможность поиска универсальных критериев для выделения линеаментов на основе обучающей выборки. В работе рассматривается комплексная инновационная методология, включающая несколько ключевых этапов. Первый этап является авторским методом подготовки данных, который помогает обеспечить качество обучающей выборки и минимизировать влияние шума. Второй этап заключается в разработке алгоритма векторизации результатов работы нейронной сети, позволяющего легко экспортировать результаты (линеаменты) в географическую информационную систему (ГИС). Третий этап обеспечивает метод минимизации шумовой составляющей обучающей выборки и оптимизации выбора синаптических весовых коэффициентов путем дообучения нейронной сети с использованием смоделированных данных, отражающих различные условия локализации линеаментов. Для верификации полученных результатов проведено пространственное сравнение линейных структур, извлеченных нейронной сетью, и линеаментов, выделенных оператором. Результаты этого сравнения демонстрируют высокий потенциал предложенного подхода и показывают, что использование нейросетевых технологий является актуальным и перспективным подходом для решения задачи извлечения линейных структур из цифровых моделей рельефа. Сделаны положительные выводы о целесообразности использования полученных результатов для их практического применения в области наук о Земле.

4 0

Criteria for the spatial distribution of polymetallic ore objects as a basis for creating a predictive search model using a neural network approach (using the example of the territory of South-Eastern Transbaikalia)

Issue number 4 from 15.09.2025

Работа направлена на выявление и обоснование критериев, косвенно или фактически контролирующих рудные объекты, в целях создания прогнозной нейросетевой модели металлогенического потенциала юго-восточного Забайкалья. Для этого собраны и обработаны геолого-геофизические и картографические материалы, включая результаты анализа данных дистанционного зондирования. Статистический анализ массива собранных данных позволил установить перечень минимально необходимой информации для выявления критериев локализации полиметаллических рудных объектов в пределах территории юго-восточного Забайкалья. В результате подготовлены тематические схемы, отражающие связь распределения известных зон полиметаллической минерализации с выявленными геолого-пространственными признаками. Между всеми критериями проведен корреляционный анализ с целью оценки пригодности использования выбранных признаков в качестве исходных данных для будущей нейросетевой модели.

4 0