Supervised learning for categorization of geological domain (2025)
- Authors:
- USP affiliated authors: ROCHA, MARCELO MONTEIRO DA - IGC ; VIANA, CAMILA DUELIS - IGC
- Unidade: IGC
- DOI: 10.11606/issn.2316-9095.v25-222751
- Subjects: APRENDIZADO COMPUTACIONAL; DEPÓSITOS MINERAIS; OURO
- Language: Inglês
- Abstract: Atualização de modelo geológico quando novos furos são inseridos no modelo requer tempo e conhecimento do depósito mineral, pois as novas amostras precisam ser categorizadas de acordo com os domínios geológicos pertencentes. Este trabalho utilizou seis algoritmos de aprendizagem de máquina supervisionado (naive bayes, k-vizinhos mais próximos (kNN), support vector machine (SVM), árvore de decisão, random forest e rede neu- ral) para realizar a interpretação geológica de um depósito de ouro do tipo metassedimentar localizado na região centro-leste do estado da Bahia, tendo com objetivo verificar a capacidade desses algoritmos em classificar cor- retamente os domínios geológicos das novas amostras de um banco de dados. Os resultados mostraram que os algoritmos de random forest e rede neural conseguiram reproduzir satisfatoriamente a interpretação geológica do depósito mineral, pois os modelos gerados foram semelhantes ao realizado manualmente por um geólogo. Esse bom desempenho é confirmado pelas acurácias e precisão obtidas, de 0,87 e 0,89, respectivamente. Portanto estes algoritmos são indicados para otimizar o processo de atualização de modelos geológicos. Porém, os algoritmos de naive bayes, kNN, support vector machine e árvore de decisão, não conseguiram categorizar corretamente os domínios geológicos das amostras, com isso, algumas regiões nos modelos apresentaram camadas geológicas distorcidas e a ordem estratigráfica não foi respeitada devido aos erros na interpretação, fato evidenciado pelas baixas acurácias e precisão obtidas, sendo 0,48, 0,73 e 0,75. Portanto, estes algoritmos não são indicados para realizar esta tarefa.
- Imprenta:
- Publisher: Universidade de São Paulo. Agência de Bibliotecas e Coleções Digitais
- Publisher place: São Paulo
- Date published: 2025
- Source:
- Título: Geologia USP. Série Científica
- ISSN: 2316-9095
- Volume/Número/Paginação/Ano: v. 25, n. 4, p. 99-108, 2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
MARTINS, Marcela e ROCHA, Marcelo Monteiro da e VIANA, Camila Duelis. Supervised learning for categorization of geological domain. Geologia USP. Série Científica, v. 25, n. 4, p. 99-108, 2025Tradução . . Disponível em: https://doi.org/10.11606/issn.2316-9095.v25-222751. Acesso em: 22 jan. 2026. -
APA
Martins, M., Rocha, M. M. da, & Viana, C. D. (2025). Supervised learning for categorization of geological domain. Geologia USP. Série Científica, 25( 4), 99-108. doi:10.11606/issn.2316-9095.v25-222751 -
NLM
Martins M, Rocha MM da, Viana CD. Supervised learning for categorization of geological domain [Internet]. Geologia USP. Série Científica. 2025 ; 25( 4): 99-108.[citado 2026 jan. 22 ] Available from: https://doi.org/10.11606/issn.2316-9095.v25-222751 -
Vancouver
Martins M, Rocha MM da, Viana CD. Supervised learning for categorization of geological domain [Internet]. Geologia USP. Série Científica. 2025 ; 25( 4): 99-108.[citado 2026 jan. 22 ] Available from: https://doi.org/10.11606/issn.2316-9095.v25-222751 - Análise estrutural de descontinuidades baseada em técnicas de structure from motion: aplicação em mina a céu aberto
- Fotogrametria digital multi-escala para aquisição de dados estruturais
- Simulação estocástica aplicada à análise temporal do nível potenciométrico no entorno da represa de Três Irmãos na área urbana da cidade de Pereira Barreto (SP)
- Técnicas de classificação de recursos minerais: abordando incertezas e comparando métodos tradicionais e geoestatísticos - estudo de caso na Mina El Porvenir
- Kriging with external drift applied to evaluation of mineral resources of limestone and lateritic ore
- Aplicação de krigagem com correção do efeito de suavização em dados de potenciometria da cidade de Pereira Barreto - SP
- Condicionantes de carstificação caracterizados pela análise geoestatística de dados de eletrorresistividade
- Estudo comparativo entre os métodos computacionais de avaliação de reservas e controle de teores da Mina de Capanema, Santa Bárbara, MG
- Krigagem ordinária versus krigagem dos residuos para a estimativa de dados de elevação da Bacia dos Rios Piracicaba, Capivari e Jundiaí
- Análise do impacto dos métodos de amostragem na reprodução da textura geológica com base em diferentes distribuições estatísticas
Informações sobre o DOI: 10.11606/issn.2316-9095.v25-222751 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
