基于人工智能与环境噪声层析成像的端到端矿产勘探
地球物理
2024-03-25 v1 机器学习
摘要
本文提出了一种创新的端到端矿产勘探工作流程，将环境噪声层析成像（ANT）与人工智能（AI）相结合，以增强对全球向低碳经济转型所必需的关键矿产资源的发现与圈定。我们重点关注铜这一关键元素，其在可再生能源解决方案中需求量巨大。我们展示了利用 ANT（以其速度快、可扩展性强、探测深度大、分辨率高和环境影响小为特点）与人工智能技术相结合的优势，通过在局部高分辨率数据上微调我们的模型，将大陆尺度的成矿远景模型细化到矿床尺度。我们首先展示了澳大利亚一个新的数据驱动型铜矿 AI 成矿远景模型，该模型作为我们进一步微调的基础模型，从而证明了该方法的潜力。随后，我们聚焦于位于远景约克半岛的 Hillside IOCG 矿床。我们证明，利用相对较少的局部训练样本（矿体截距），我们可以微调基础模型，以良好地估计 Hillside 矿体的轮廓。我们的方法展示了 AI 如何增强地球物理数据解释，为矿产勘探提供了一种新颖的方法，提高了靶向矿化的决策能力，从而应对了增加矿产资源发现的迫切需求。
引用
@article{arxiv.2403.15095,
title = {End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography},
author = {Jack Muir and Gerrit Olivier and Anthony Reid},
journal= {arXiv preprint arXiv:2403.15095},
year = {2024}
}