双随机场及其在矿物潜力制图中的应用

在地质科学的各个分支中，包括矿物勘探、已建立采矿作业的地质冶金表征以及遥感，区域化输入变量在感兴趣域内被良好地空间采样，这限制了空间不确定性量化程序的范围。反过来，响应结果（如某区域的矿物潜力、采矿吞吐量、冶金回收率或来自遥感卫星图像的原位估计）通常是从受限的测试样本子集建模的，这些样本由于可访问性限制和高采集成本而在特定位置采集。我们对这些函数在多维因果复杂性和对不可访问输入的未注意依赖性方面的有限理解，可能导致根据其地理位置观察到这些函数的变化。将不同响应函数在域中聚合，对于正确预测响应结果、这些推断值的不确定性以及这些输入在未探索区域预测中的重要性至关重要。本文引入了双随机场（dRF）的概念，其中响应函数本身被视为区域化变量。通过这种方式，地理域中不同的已建立响应模型可以被视为 dRF 实现的观测值，从而实现对响应模型及其预测的空间推断和不确定性评估。我们解释了 dRF 如何继承经典随机场的所有性质，从而允许使用标准高斯模拟程序对其进行模拟。这些模型被组合以获得矿物潜力响应，提供了一个如何将机器学习方法与地质统计学严格整合的示例。