«Автоматизация и информатизация ТЭК»

Сравнительный анализ методов идентификации кластеров Getis-Ord Gi* и DBSCAN при разведке полезных ископаемых

УДК: 004:553.3/.9:622
DOI: -

Авторы:

¹ Тюменский индустриальный университет, Тюмень, Россия

Ключевые слова: кластеры минерализации, картирование поиска полезных ископаемых, пространственный анализ, метод Getis-Ord Gi*, геологоразведка, метод DBSCAN, горячие и холодные точки, геология, стратегии разведки, минеральные ресурсы, идентификация кластеров

Аннотация:

Выявление скоплений минерализации играет жизненно важную роль в картировании поисков полезных ископаемых, поскольку оно позволяет оптимизировать усилия геологоразведки и минимизировать затраты. В данной статье представлен анализ геопространственных данных о минерализации с использованием метода Getis-Ord Gi*, основанного на расчете весовой матрицы, и проведено сравнение с результатами метода DBSCAN. Метод Getis-Ord Gi* позволяет с высокой точностью определять "горячие точки" (зоны высокой концентрации минералов) и "холодные точки" (зоны низкой концентрации), используя статистический анализ пространственной автокорреляции. В отличие от этого метода, метод DBSCAN, базирующийся на кластеризации по плотности, показал меньшую надежность из-за зависимости от выбора параметров и необходимости экспертной интерпретации. Результаты исследования подчеркивают преимущества метода Getis-Ord Gi* в точности и статистической значимости при выявлении перспективных зон минерализации. В статье предлагается геостатистическая методология для анализа пространственных данных с целью идентификации значимых зон и планирования дальнейших разведочных работ. В перспективе предлагается использование алгоритмов искусственных нейронных сетей для прогнозирования скоплений минерализации на основе выявленных кластеров.

Список литературы:

1. Carranza E.J.M., Laborte A.G. Random forest predictive modeling of mineral prospectivity with small number of prospects and data with missing values in Abra (Philippines) // Computers & Geosciences. – 2015. – Vol. 74. – P. 60–70. – DOI: 10.1016/j.cageo.2014.10.004
2. Data analysis methods for prospectivity modelling as applied to mineral exploration targeting: State-of-the-art and outlook / M. Yousefi, E.J.M. Carranza, O.P. Kreuzer [et al.] // J. of Geochemical Exploration. – 2021. – Vol. 229. – P. 106839. – DOI: 10.1016/j.gexplo.2021.106839
3. Bekti R.D., Dirgantara G.E., Sutanta E. Distance and AMOEBA Weights Matrices in Local Getis Ord-G Statistics to Identify Spatial Cluster of Gini Ratio // 2021 3rd Int. Conf. on Electronics Representation and Algorithm (ICERA), Yogyakarta, Indonesia, July 29–30, 2021. – IEEE, 2021. – P. 109–114. – DOI: 10.1109/ICERA53111.2021.9538666
4. Wang Zheye, Lam N.S.N. Extending Getis–Ord Statistics to Account for Local Space–Time Autocorrelation in Spatial Panel Data // The Professional Geographer. – 2020. – Vol. 72, Issue 3. – P. 411–420. – DOI: 10.1080/00330124.2019.1709215
5. Murad A., Khashoggi B.F. Using GIS for Disease Mapping and Clustering in Jeddah, Saudi Arabia // ISPRS Int. J. of Geo-Information. – 2020. – Vol. 9, Issue 5. – P. 328. – DOI: 10.3390/ijgi9050328
6. Kondo K. Hot and Cold Spot Analysis Using Stata // The Stata J.: Promoting communications on statistics and Stata. – 2016. – Vol. 16, Issue 3. – P. 613–631. – DOI: 10.1177/1536867X1601600304
7. Teso P.M., Katcho K. Assessing Forest Cover Change and Deforestation Hot-Spots in the North Kivu Province, DR-Congo Using Remote Sensing and GIS // American J. of Geographic Information System. – 2019. – Vol. 8, No. 2. – P. 39–54. – DOI: 10.5923/j.ajgis.20190802.01
8. Jana M., Sar N. Modeling of hotspot detection using cluster outlier analysis and Getis-Ord Gi* statistic of educational development in upper-primary level, India // Modeling Earth Systems and Environment. – 2016. – Vol. 2, Issue 2. – Article No. 60. – DOI: 10.1007/s40808-016-0122-x
9. Luong Thi-Bich-Thuy, Cao Thi-Hien. Use of Getis-Ord's statistic to detect hotspots and coldspots of COVID-19 in Hanoi City, Vietnam // World J. of Biology Pharmacy and Health Sciences. – 2023. – Vol. 15, Issue 3. – P. 102–109. – DOI: 10.30574/wjbphs.2023.15.3.0394
10. Çelik M., Dadaşer-Çelik F., Dokuz A.Ş. Anomaly detection in temperature data using DBSCAN algorithm // 2011 Int. Symposium on Innovations in Intelligent Systems and Applications, Istanbul, Turkey, June 15–18, 2011. – IEEE, 2011. – P. 91–95. – DOI: 10.1109/INISTA.2011.5946052
11. Deng D. DBSCAN Clustering Algorithm Based on Density // 2020 7th Int. Forum on Electrical Engineering and Automation (IFEEA), Hefei, China, Sept. 25–27, 2020. – IEEE, 2020. – P. 949–953. – DOI: 10.1109/IFEEA51475.2020.00199
12. Mineral Resource and Reserve Update for the Agbaou Gold Mine Côte d'Ivoire West Africa: Technical Report / A. Roux, K.K. Woodman, K. Harris, M. Alyoshin. – Vancouver: Endeavour Mining Corporation, 2015. – VIII, 121 p.
13. A Density Based Algorithm for Discovering Density Varied Clusters in Large Spatial Databases / A. Ram, J. Sunita, A.S. Jalal, M. Kumar // Int. J. of Computer Applications. – 2010. – Vol. 3, No 6. – DOI: 10.5120/739-1038
14. Louhichi S., Gzara M., Ben Abdallah H. A density based algorithm for discovering clusters with varied density // 2014 World Congress on Computer Applications and Information Systems (WCCAIS), Hammamet, Tunisia, Jan. 17–19, 2014. – IEEE, 2014. – DOI: 10.1109/WCCAIS.2014.6916622
15. Окунев И.Ю., Кушнарева А.Э. Альтернативные матрицы пространственных весов соседства: методика создания и использования на примере расчета локальных индикаторов пространственной автокорреляции // Вестн. С.-Петерб. ун-та. Науки о Земле. – 2023. – Т. 68, № 2. – С. 390–413. – DOI: 10.21638/spbu07.2023.210
16. Статистика Getis-Ord Gi* для анализа содержания углеводородов в бассейне реки Тромъёган / В.А. Добрякова, Н.Н. Москвина, А.Б. Добряков [и др.] // ИнтерКарто. ИнтерГИС. – 2020. – Т. 26, № 2. – С. 151–160. – DOI: 10.35595/2414-9179-2020-2-26-151-160
17. Петров А.М., Попов А.Н., Кузяков О.Н. Совершенствование архитектуры интеллектуальных систем управления // Автоматизация и информатизация ТЭК. – 2023. – № 4(597). – С. 15–22. – DOI: 10.33285/2782-604X-2023-4(597)-15-22