文献

J-GLOBAL ID：202202276116198479   整理番号：22A0900033

畳込みニューラルネットワークを用いた3D地質モデルからの3D鉱物有望性の学習:構造制御熱水金鉱床への適用【JST・京大機械翻訳】

Learning 3D mineral prospectivity from 3D geological models using convolutional neural networks: Application to a structure-controlled hydrothermal gold deposit

著者 (6件)： Deng Hao (Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring (MOE), School of Geosciences and Info-Physics, Central South University, Changsha, 410083, China) ,  Zheng Yang (Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring (MOE), School of Geosciences and Info-Physics, Central South University, Changsha, 410083, China) ,  Chen Jin (Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring (MOE), School of Geosciences and Info-Physics, Central South University, Changsha, 410083, China) ,  Yu Shuyan (Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring (MOE), School of Geosciences and Info-Physics, Central South University, Changsha, 410083, China) ,  Xiao Keyan (MNR Laboratory of Metallogeny and Mineral Resource Assessment, Institute of Mineral Resources, Chinese Academy of Geological Sciences, Beijing, 100037, China) ,  Mao Xiancheng (Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring (MOE), School of Geosciences and Info-Physics, Central South University, Changsha, 410083, China)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 161  ページ： Null  発行年： 2022年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 三次元(3D)地質モデルは,3D鉱物探査性モデリングにおける典型的なデータソースである。しかし,3D地質モデルからの予測可能性情報予測変数の同定は,挑戦的で作業集約的なタスクである。本論文では,固有特徴を学習するための畳み込みニューラルネットワーク(CNN)の能力により動機づけられて,本論文では,3D地質モデルから3D鉱物の見通しを学習するためにCNNを利用する新しい方法を示した。この学習能力を利用して,提案方法は鉱化作用の複雑な相関を単純化し,予測子変数を設計する必要性を回避する。特に,CNNs-ホース入力を用いた非構造化3D地質モデルを解析するために,地質境界の幾何学がコンパイルされ,マルチチャネル画像に再組織化され,CNNに供給される2D CNNフレームワークを開発するべきである。これは,鉱化作用制御の表現を促進しながら,CNNの効果的かつ効率的な訓練を確実にする。提案方法を,典型的構造制御熱水鉱床,中国東部のDayingezhuang金鉱床に適用した。提案手法を,設計した予測子変数を用いて,見通しモデリング法と比較した。結果は,提示した方法が3Dプロスペクティブモデリングに関して性能ブーストを持ち,深部分離鉱体の予測における作業負荷と探査リスクを減少させることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 幾何学 ,  *鉱物 ,  *学習 ,  簡素化 ,  *金鉱床 ,  探査 ,  鉱化作用 ,  熱水鉱床 ,  再編成 ,  モデリング ,  二次元 ,  *地質 ,  *三次元 ,  予測可能性
準シソーラス用語： *地質モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 鉱物有望性マッピング ,  畳込みニューラルネットワーク ,  3D地質モデル ,  金鉱床 ,  構造制御堆積物

分類 (5件)： 人工知能  (JE08000Z) ,  鉱山評価  (UA02030P) ,  医用画像処理  (JE04020T) ,  分子構造  (EB03020Y) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (8件)： 畳込みニューラルネットワーク ,  3D地質モデル ,  3D ,  鉱物 ,  学習 ,  構造制御 ,  熱水 ,  金鉱床