भौगोलिक न्यूरल नेटवर्क-वेटेड लॉजिस्टिक रिग्रेशन दृष्टिकोण के साथ खनिज संभाव्यता मानचित्रण को बढ़ाना: एक भौगोलिक कृत्रिम बुद्धिमत्ता विधि

खनिज संसाधनों की सटीक भविष्यवाणी आधुनिक समाज की ऊर्जा मांगों को पूरा करने के लिए अनिवार्य है। हालांकि, यह कार्य अक्सर अनुमानों की पूर्वाग्रह और पारंपरिक सांख्यिकीय तकनीकों तथा मशीन लर्निंग विधियों की सीमित व्याख्यता के कारण कठिन होता है। इन कमियों को दूर करने के लिए, हम खनिज संभाव्यता मानचित्रण के लिए भौगोलिक न्यूरल नेटवर्क-वेटेड लॉजिस्टिक रिग्रेशन के रूप में संदर्भित एक नवीन भौगोलिक कृत्रिम बुद्धिमत्ता दृष्टिकोण का प्रस्ताव करते हैं। यह मॉडल स्थानिक पैटर्न और न्यूरल नेटवर्क को एकीकृत करता है, शापले ऐडिटिव एक्सप्लेनेशन्स सिद्धांत के साथ मिलाकर सटीक पूर्वानुमान प्राप्त करने और जटिल स्थानिक संदर्भों में खनिजकरण के बारे में स्पष्ट अंतर्दृष्टि प्रदान करता है। नोवा स्कोटिया में किए गए एक सोने की संभाव्यता प्रयोग में, हमारा मॉडल अन्य अत्याधुनिक मॉडलों की तुलना में 5% से 16% के बीच में रिसीवर ऑपरेटिंग करेक्टर्स्टिक कर्व मेट्रिक के तहत क्षेत्र में वृद्धि के साथ बेहतर प्रदर्शन किया। प्रस्तुत फ्रेमवर्क ने स्थानिक सेटिंग में सोने के खनिजकरण पर भूवैज्ञानिक कारकों के प्रभाव की सहज मात्रात्मकता प्रदान की। यह अभिनव दृष्टिकोण नए घटनाओं की पहचान को बढ़ावा देता है और जटिल स्थानिक परिदृश्यों में वर्गीकरण समस्याओं के लिए मजबूत क्षमताएं और सार्वभौमिकता प्रदर्शित करता है।