Пермяки представили высокоточный ИИ-метод поиска золота

В Пермском национальном исследовательском политехническом университете (ПНИПУ) создан алгоритм на базе искусственного интеллекта, который способен выявлять перспективные золоторудные участки с высокой степенью достоверности и сразу оценивать экономическую целесообразность их разработки.

Как работает технология.

Разработка объединяет данные из разных источников:

- магнитная и гравиметрическая съемка;
- картография тектонических разломов и зон трещиноватости;
- литологические и геохимические карты;
- распределение элементов-спутников золота (As, Sb, Hg, W) ;
- спутниковые снимки в видимом и ИК-диапазоне, включая данные гиперспектральной съемки.

Алгоритм реализован как гибридная модель: сверточные нейронные сети (CNN) анализируют пространственные и спектральные данные, рекуррентные сети (RNN) выявляют последовательные геологические закономерности, а градиентный бустинг (XGBoost) выполняет финальную классификацию перспективности участка.

Все данные интегрируются в ГИС, проходят нормализацию и "склеиваются" в единый аналитический слой.

Принципиальное отличие — оценка рентабельности. Помимо геологической перспективности, система рассчитывает:

- глубину залегания рудных тел;
- предполагаемые объемы руды и концентрацию золота;
- транспортную доступность и логистические расходы;
- ориентировочные капитальные и операционные затраты.

На выходе заказчик получает не только карту вероятности присутствия золота, но и отчет о целесообразности разведки и добычи, что позволяет сэкономить до 80% затрат, которые традиционно уходят на бесперспективные участки.

Метод проверен на данных золоторудного месторождения в Кот-д’Ивуаре. Совпадение предсказанных перспективных зон с реально эксплуатируемыми участками составило около 90 % для богатых руд и 85 % — для средних концентраций.

Сравнение с зарубежными аналогами.

В Канаде и Австралии активно применяются ИИ-методы в геологоразведке, например:

- GoldSpot Discoveries (Канада) использует машинное обучение для анализа до 400 слоев геоданных, но фокусируется только на геологических признаках, без учета экономических параметров.
- SensOre (Австралия) применяет предиктивное моделирование на основе искусственных нейронных сетей, но требует больших объемов локальных данных, что ограничивает масштабируемость.

Метод ПНИПУ выделяется тем, что:

- способен работать с разнородными наборами данных, включая открытые спутниковые;
- совмещает геологический и экономический анализ в единой модели;
- адаптирован под условия регионов с ограниченной инфраструктурой.

Традиционные методы поиска золота — геологическая рекогносцировка, ручная шлиховая съемка, бурение поисковых скважин — требуют значительных затрат времени и средств. В среднем только 1 из 100 изученных участков переходит к стадии детальной разведки. ИИ-алгоритмы позволяют резко сузить область поиска, направляя полевые работы в наиболее перспективные зоны.

Разработчики ПНИПУ уже получили свидетельство № 2025667702 и планируют адаптировать технологию для поиска меди, платины, урана и подземных вод. По оценкам экспертов, при масштабном внедрении метод способен радикально изменить стратегию геологоразведки в России и снизить себестоимость открытия месторождений.

Метки: пнипу; золото; поиск; геологоразведка; изобретение

Копировать в блог