Tạp chí
 
Năm 2022
 
Số 63, Kỳ 5, [10 - 2022]

Xây dựng mô hình rừng ngẫu nhiên dự báo tài nguyên và phân vùng triển vọng khoáng sản vàng khu vực Tam Kỳ - Phước Sơn, Quảng Nam

DOI:10.46326/JMES.2022.63(5).08

  • Cơ quan:

    1 Trường Đại học Mỏ - Địa chất, Hà Nội, Việt Nam
    2 Liên đoàn địa chất Intergeo, Hà Nội, Việt Nam

  • *Tác giả liên hệ:
    This email address is being protected from spambots. You need JavaScript enabled to view it.
  • Nhận bài: 23-04-2022
  • Sửa xong: 17-08-2022
  • Chấp nhận: 21-09-2022
  • Ngày đăng: 31-10-2022
Trang: 82 - 92
Lượt xem: 3938
Xem onlineXem online
Lượt tải: 2136
Tải về PDF
★★★★★Yêu thích: 1.0, Số lượt: 211
  • ★
  • ★
  • ★
  • ★
  • ★
Bạn yêu thích

Tóm tắt:

Vùng Tam Kỳ - Phươc Sơn có tiềm năng lớn khoáng sản vàng với 98 điểm vàng đã được phát hiện, nhưng việc đáng giá toàn bộ tiềm năng khoáng sản vàng trong vùng còn rất hạn chế làm cơ sở quy hoạch, thăm dò, khai thác khoáng sản vàng. Bài báo nghiên cứu sử dụng mô hình rừng ngẫu nhiên (Random Forest) xây dựng mô hình dự báo tài nguyên khoáng sản vàng và phân vùng triển vọng khoáng sản vàng vùng nghiên cứu. 12 yếu tố thành phần được lựa chọn để xây dựng bộ dữ liệu cho huấn luyện mô hình và phân vùng triển vọng khoáng sản vàng bao gồm: địa chất, hệ thống các đứt gãy (ĐBTN, TBĐN, AVT, AKT), dị thường địa vật lý Bughe, dị thường địa hóa bạc (A)g, vàng (Au), chì (Pb), kẽm (Zn), Đồng (Cu) và yếu tố nội suy khoảng cách ranh giới địa chất của các phức hệ địa chất liên quan đến khoáng hóa vàng. Bộ dự liệu được tạo ra từ các yếu tố thành phần là 12 bản đồ fuzzy. Bộ dữ liệu này kết hợp với vị trí của 98 điểm vàng tạo ra bộ dữ liệu để huấn luyện mô hình dự báo tài nguyên khoáng sản bằng thuật toán Random Forest. Mô hình sau khi huấn luyện được đánh giá bằng tập dữ liệu xác nhận. Kết quả mô hình dự báo tài nguyên khoáng sản Random Forest được huấn luyện tốt với độ chính xác là 95,99% trên tập huấn luyện và 83,05% trên tập dữ liệu xác nhận, hiệu suất của mô hình thực hiện xuất sắc trên cả tập dữ liệu huấn luyện và tập dữ liệu xác nhận, chỉ số AUC lần lượt bằng 0,993 và 0,95. Cuối cùng bản đồ phân vùng triển vọng khoáng sản được thành lập bằng cách sử dụng mô hình dự báo tài nguyên khoáng sản đã được huấn luyện. Phân chia vùng nghiên cứu thành 3 kiểu diện tích là triển vọng cao, trung bình và thấp. Diện tích triển vọng cao là 982,8 km2 bao phủ 71% số điểm mỏ, khoáng sản vàng đã biết.

Trích dẫn
Bùi Thanh Tịnh, Nguyễn Tiến Dũng, Lương Quang Khang, Bùi Hoàng Bắc và Bùi Viết Sáng, 2022. Xây dựng mô hình rừng ngẫu nhiên dự báo tài nguyên và phân vùng triển vọng khoáng sản vàng khu vực Tam Kỳ - Phước Sơn, Quảng Nam, Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, số 63, kỳ 5, tr. 82-92.
Tài liệu tham khảo

Bonham-Carter, G.F., (2014). Geographic information systems for geoscientists: modelling with GIS. No. 13. Elsevier.

Breiman, L., (2015). Random forests leo breiman and adele cutler. Random Forests-Classification Description, Vol. 106.

Breiman, L., (2002). Manual on setting up, using, and understanding random forests v3. 1. Statistics Department University of California Berkeley, CA, USA, Vol. 1, No. 58, pp. 3-42.

Bradter, U., Kunin, W.E., Altringham, J.D., Thom, T.G., Benton, T.G., (2013). Identifying appropriate spatial scales of predictors in species distribution models with the random forest algorithm. Methods in Ecology Benton and Evolution, Vol. 4, No. 2, pp. 167-174.

Bùi, M., (1986). Báo cáo tìm kiếm chung khoáng sản vàng vùng Tam Kỳ - Tiên Phước, Quảng Nam - Đà Nẵng. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Cantor, S.B., & Kattan, M.W., (2000). Determining the area under the ROC curve for a binary diagnostic test. Medical Decision Making, Vol. 20, pp. 468-470.

Carranza, E.J.M., & Alice, G., (2015a). Data-driven predictive mapping of gold prospectivity, Baguio district, Philippines: Application of Random Forests algorithm. Ore Geology Reviews Laborte, Vol. 71, pp. 777-787.

Carranza, E.J.M., & Alice, G., (2015b). Random forest predictive modeling of mineral prospectivity with small number of prospects and data with missing values in Abra (Philippines). Computers Laborte and Geosciences, Vol. 74, pp. 60-70.

Cracknell, M.J., & Anya, M., (2013). The upside of uncertainty: Identification of lithology contact zones from airborne geophysics and satellite data using random forests and support vector machines. Geophysics Reading, Vol. 78, No. 3, pp. WB113-WB126.

Cracknell, M.J., & Anya, M., (2014). Geological mapping using remote sensing data: A comparison of five machine learning algorithms, their response to variations in the spatial distribution of training data and the use of explicit spatial information. Computers Reading and Geosciences, Vol. 63, pp. 22-33.

Cát, N.H., (1999). Báo cáo đo vẽ bản đồ địa chất và tìm kiếm khoáng sản Nhóm tờ Tam Kỳ- Hiệp Đức, tỷ lệ 1:50.000. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Zhang, C., & Ma, Y., (2012). Ensemble machine learning: methods and applications. Springer.

Steinberg, D., Golovnya, M., Scott, N. S., (2004). A brief overview to random forests. Salford Systems Cardell. Đinh, Đ.H., (2013). Báo cáo thăm dò vàng gốc tại khu vực Hố Ráy, Mỏ vàng Bồng Miêu, xã Tam Lãnh, huyện Phúc Ninh, tỉnh Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Đinh, T.H., (2014). Báo cáo điều tra đánh giá bổ sung, xác định tài nguyên còn lại mỏ vàng gốc khu vực khe 39, xã Phước Hòa, huyện Phước Sơn, tỉnh Quảng Nam. Trung tâm Thông tin, lưu trữ và Tạp chí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Đỗ, Q.B., (2001). Báo cáo đánh giá tiềm năng và các khoáng sản khác liên quan với các thành tạo đá lục, đá phiến đen đới Quảng Nam. Trung tâm Thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Đỗ, V.C., (1998). Báo cáo địa chất và khoáng sản tỷ lệ 1:50.000 nhóm tờ Dakglei - Khâm Đức. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Hoàng, Q.L., (2015). Báo cáo kết quả điều tra đánh giá bổ sung xác định tài nguyên còn lại mỏ vàng gốc khu vực thôn 1, xã Tiên lập, huyện Tiên Phước, tỉnh Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Laborte, A.G., Maunahan, A.A., Hijmans, R.J., (2012). Opportunities for expanding paddy rice production in Laos: spatial predictive modeling using Random Forest. Journal of Land Use Science Hijmans, Vol. 7, No. 1, pp. 21-33.

Livington, F., (2005). Implementation of Breiman’s random forest machine learning algorithm. ECE591Q Machine Learning Journal Paper Livingston, pp. 1-13.

Lê, Đ.H., (1985). Báo cáo đánh giá triển vọng mỏ vàng gốc Bồng Miêu, Quảng Nam - Đà Nẵng. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Lê, V.Đ., (2002a). Báo cáo kết quả đánh giá khoáng sản vàng và các khoáng sản khác đi cùng vùng Trà Nú, Trà Thủy, Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Lê, V.H., (2002b). Báo cáo kết quả thăm dò địa chất khu vực Bãi Đất và Bãi Gõ mỏ vàng Đăk Sa, huyện Phước Sơn, tỉnh Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Lê, V.H., (1999). Báo cáo kết quả thăm dò vàng khu vực Tiên Hà, huyện Tiên Phước, Hiệp Đức, Quế Sơn, tỉnh Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Lê, V.H., (2011). Báo cáo thăm dò vàng gốc khu vực Phước Sơn, xã Phước Đức và xã Phước Xuân, huyện Phước Sơn, tỉnh Quảng Nam. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Phạm, V.T., (2001). Báo cáo kết quả đánh giá khoáng sản vàng và các khoáng sản khác vùng Phước Thành - Phước Sơn, tỉnh Quảng Nam.

Reddy, R.K.T., & Bonham-Carter, G.F., (1991). A decision - tree approach to mineral potential mapping in Snow Lake area, Manitoba. Canadian Journal of Remote Sensing Bonham-Carter, Vol. 17, No. 2, pp. 191-200.

Rodriguez-Galiano, V.F., Ghimire, B., Rogan, J., Chica-Olmo, M., Rigol-Sanchez, J.P., (2012). An assessment of the effectiveness of a random forest classifier for land-cover classification. ISPRS Journal of Photogrammetry Rigol-Sanchez and Remote Sensing, Vol. 67, pp. 93-104.

Rodriguez-Galiano, V.F., Chica-Olmo, M. and Chica-Rivas, M., (2014). Predictive modelling of gold potential with the integration of multisource information based on random forest: a case study on the Rodalquilar area, Southern Spain. International Journal of Geographical Information Science Chica-Rivas, Vol. 28, No. 7, pp. 1336-1354.

Trần, V.T., & Vũ, K., (2009). Địa chất và tài nguyên Việt Nam. Nhà xuất bản Khoa học tự nhiên và Công nghệ, Hà Nội.

Võ, Q.B., (2018). Báo cáo nghiên cứu, dự báo tiềm năng khoáng sản vàng ẩn sâu ở các trường quặng vàng đới Tam Kỳ - Phước Sơn vùng Trung Trung Bộ. Trung tâm thông tin, lưu trữ và tạp trí địa chất, Tổng cục Địa chất và Khoáng sản Việt Nam.

Các bài báo khác