Identificación de anomalías geoquímicas en la subcuenca del Alto Marañón utilizando redes neuronales artificiales

Abstract

El trabajo de investigación tiene como objetivo detectar anomalías geoquímicas en la subcuenca del Alto Marañón mediante el diseño e implementación de redes neuronales artificiales. Los resultados de la investigación se comparan con los publicados por el Servicio Geológico del Perú. La metodología aplicada en la investigación inicia con el entendimiento geológico de la subcuenca, teniendo en cuenta la geología regional del sector, la litología, la geología estructural y la geología económica; asimismo los yacimientos mineros existentes y proyectos. Con el entendimiento geológico del sector se analiza la información de los resultados de los análisis químicos de los sedimentos de quebrada y se elige los elementos pathfinders para la detección de anomalías geoquímicas, se realiza el tratamiento estadístico de los datos convertidos a base logarítmica para establecer una normalidad de datos. Se diseña una red neuronal artificial llamada multilayer perceptrón con 55 neuronas y 2 capas ocultas que utiliza el algoritmo de clasificación multiclase y la función de activación softmax para poder predecir elementos en base al entrenamiento de una muestra de la población de datos, para ello previamente se aplica algoritmos para correlacionar las muestras entre ellas. Los resultados de las predicciones para los elementos escogidos (arsénico, cromo, cobre, mercurio, molibdeno, níquel, plomo y zinc), siguen un tratamiento geoestadístico para finalmente por la interpolación tipo kriging se realizan mapas geoquímicos por elementos. Los resultados de la detección de anomalías geoquímicas utilizando redes neuronales artificiales son comparados con los resultados publicados por el servicio geológico del Perú, observándose similitudes en los sectores donde se tienen anomalías geoquímicas relevantes para elementos químicos de interés.

The objective of the research work is to design and implement artificial neural networks for the detection of geochemical anomalies in the Alto Marañon sub-basin, the results of the research are compared with the results published by the geological service of Peru. The methodology applied in the investigation begins with the geological understanding of the sub-basin, considering the regional geology of the sector, the lithology, the structural geology, and the economic geology, also the existing mining deposits and projects. With the understanding of the sector, the information of the results of the chemical analysis of the stream sediments are analyzed and the pathfinders elements are chosen for the detection of geochemical anomalies, the statistical treatment of the data converted to logarithmic basis is performed to establish a normality of data. An artificial neural network called multilayer perceptron is designed with fifty-five neurons and two hidden layers that uses the multiclass classification algorithm and the softmax activation function to predict elements based on the training of a sample of the data population, for which algorithms are previously applied to correlate the samples among them. The results of the predictions for the chosen elements (arsenic, chromium, copper, mercury, molybdenum, nickel, lead, and zinc), follow a geostatistical treatment to finally by kriging type interpolation geochemical maps by elements are performed. The results of the detection of geochemical anomalies using artificial neural networks are compared with the results published by the Peruvian geological service, observing similarities in the sectors where there are relevant geochemical anomalies for chemical elements of interest.