
Авторы:
Издательство:
Дата издания
10.05.2025На каком языке издана
ISSN
2590-1974Область исследования
Тип исследования
Аннотация (краткое описание)
В статье применены методы машинного обучения для выявления и классификации редких и аномальных минералов в крупной минералогической базе данных. С помощью Isolation Forest и One-Class SVM были определены минералы с нетипичными физико-химическими свойствами, после чего KMeans clustering был использован для группировки аномалий в три геологически интерпретируемые категории, связанные с эвапоритовыми, метаморфическими и магматическими условиями формирования. Полученные результаты показывают, что методы unsupervised learning могут повысить эффективность классификации минералов и прогнозирования редких минеральных месторождений.DOI
10.1016/j.acags.2025.100250Тип публикаций
Практическое значение
Практическая значимость работы заключается в разработке воспроизводимого ML-подхода для раннего выявления редких и потенциально экономически ценных минералов. Предложенная методика может использоваться для минералого-геохимического скрининга, приоритизации перспективных участков, снижения затрат на поисково-разведочные работы и улучшения прогнозного моделирования редких минеральных месторождений.Квартиль
Источник квартиля
SCImago (Scopus)Impact Factor
3.2Количество цитирований
4Данный документ располагается в коллекциях
Международные публикации ученых SU
Scopus
Файлы документа
Документ не загружен