Luận văn thạc sĩ: Nghiên cứu áp dụng phương pháp tần suất nhận dạng mới trong dự báo khoáng sản

Luận văn thạc sĩ nghiên cứu hus nghiên cứu áp dụng phương pháp tần suất nhận dạng mới phục vụ dự báo khoáng sản theo tài liệu, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Phạm Bảo Chi
• Người hướng dẫn: PGS. Võ Thanh Quỳnh
• Trường học: Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Vật lý địa cầu
• Đề tài: Nghiên cứu áp dụng phương pháp tần suất – nhận dạng mới phục vụ dự báo khoáng sản theo tài liệu địa vật lý máy bay
• Loại tài liệu: Luận văn thạc sĩ khoa học
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT NHẬN DẠNG
• 1.1. Lý thuyết xử lí tổ hợp số liệu
• 1.2. Các yêu cầu khi sử dụng tổ hợp số liệu trong xử lí
• 1.3. Lựa chọn tổ hợp số liệu
• 1.4. Mẫu và các đặc trưng thống kê của số liệu địa vật lý
• 1.4.1. Số liệu đo và mẫu ngẫu nhiên
• 1.4.2. Hàm mật độ xác suất
• 1.4.3. Một số hàm phân phối lý thuyết
• 1.5. Các thuật toán nhận dạng
• 1.5.1. Mẫu chuẩn các đặc điểm đặc trưng và sử dụng mẫu chuẩn trong nhận dạng
• 1.5.2. Các thuật toán nhận dạng có mẫu chuẩn
• 1.5.3. Các thuật toán nhận dạng không có mẫu chuẩn
• 1.6. Quyết định sự tồn tại của đối tượng và đánh giá chất lượng xử lí
• 2. CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP PHÂN TÍCH NHẬN DẠNG MỚI TRONG TÌM KIẾM, DỰ BÁO KHOÁNG SẢN THEO TÀI LIỆU ĐỊA VẬT LÝ MÁY BAY
• 2.1. Các bước phân tích tài liệu địa vật lý máy bay trong tìm kiếm và dự báo triển vọng khoáng sản
• 2.2. Phương pháp đánh giá và phân loại cụm dị thường
• 2.3. Phương pháp Tần suất – Nhận dạng
• 2.4. Phương pháp phân tích tần suất
• 2.5. Phương pháp Tần suất – Nhận dạng. Hoàn thiện và mở rộng phạm vi áp dụng phương pháp Tần suất – Nhận dạng
• 2.6. Phương pháp Khoảng cách – Tần suất – Nhận dạng
• 2.7. Xây dựng ma trận thông tin đối mẫu. Đánh giá lựa chọn tổ hợp thông tin
• 2.8. Phân tích đối sánh xác định các đối tượng đồng dạng
• 2.9. Hoàn thiện và mở rộng phạm vi áp dụng phương pháp Khoảng cách – Tần suất – Nhận dạng
• 3. CHƯƠNG 3: KẾT QUẢ PHÂN TÍCH THỰC NGHIỆM TRÊN TÀI LIỆU THỰC TẾ VÙNG NINH THUẬN
• 3.1. Phương pháp Tần suất – Nhận dạng và khả năng ứng dụng
• 3.2. Tài liệu thu thập, tính toán về khu vực nghiên cứu
• 3.3. Vị trí địa lí của khu vực nghiên cứu
• 3.4. Tài liệu Địa vật lý máy bay về khu vực nghiên cứu
• 3.5. Phân tích thử nghiệm
• 3.5.1. Phân tích thử nghiệm theo phương án 1. Thực hiện phân tích thử nghiệm phương pháp Tần suất – Nhận dạng mới
• 3.6. Kết quả và nhận xét
• 3.6.1. Nhận xét kết quả thực hiện theo phương án 1
• 3.6.2. Nhận xét kết quả thực hiện phân tích theo phương pháp Tần suất – Nhận dạng mới
• TÀI LIỆU THAM KHẢO
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• LỜI MỞ ĐẦU

Tóm tắt

I. Tổng quan về nghiên cứu phương pháp tần suất nhận dạng khoáng sản

Nghiên cứu phương pháp tần suất nhận dạng trong dự báo khoáng sản là một lĩnh vực quan trọng trong địa vật lý. Phương pháp này giúp xác định và phân tích các đặc điểm của khoáng sản dựa trên dữ liệu địa vật lý. Việc áp dụng phương pháp này không chỉ nâng cao độ chính xác trong dự báo mà còn giúp tiết kiệm thời gian và chi phí trong quá trình tìm kiếm khoáng sản.

1.1. Định nghĩa và vai trò của phương pháp tần suất nhận dạng

Phương pháp tần suất nhận dạng là một kỹ thuật phân tích dữ liệu nhằm xác định các mẫu và đặc điểm của khoáng sản. Nó đóng vai trò quan trọng trong việc tối ưu hóa quy trình tìm kiếm và dự báo khoáng sản, giúp các nhà địa chất có cái nhìn rõ ràng hơn về tiềm năng khoáng sản trong khu vực nghiên cứu.

1.2. Lịch sử phát triển của phương pháp tần suất nhận dạng

Phương pháp tần suất nhận dạng đã được phát triển từ những năm 1980 và đã trải qua nhiều cải tiến. Các nghiên cứu ban đầu tập trung vào việc áp dụng các thuật toán đơn giản, nhưng hiện nay đã có nhiều phương pháp phức tạp hơn được áp dụng để nâng cao độ chính xác và hiệu quả trong dự báo khoáng sản.

II. Thách thức trong việc áp dụng phương pháp tần suất nhận dạng

Mặc dù phương pháp tần suất nhận dạng mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong quá trình áp dụng. Những thách thức này bao gồm việc xử lý dữ liệu lớn, độ chính xác của các thông tin đầu vào và khả năng phân tích các mẫu phức tạp.

2.1. Vấn đề về chất lượng dữ liệu trong phân tích

Chất lượng dữ liệu là yếu tố quyết định đến độ chính xác của phương pháp tần suất nhận dạng. Dữ liệu không chính xác hoặc thiếu sót có thể dẫn đến những kết luận sai lệch về khoáng sản, gây ảnh hưởng đến quyết định đầu tư và khai thác.

2.2. Khó khăn trong việc lựa chọn tổ hợp thông tin

Việc lựa chọn tổ hợp thông tin phù hợp để phân tích là một thách thức lớn. Các nhà nghiên cứu cần phải cân nhắc kỹ lưỡng giữa số lượng và chất lượng thông tin để đảm bảo kết quả phân tích có độ tin cậy cao.

III. Phương pháp tần suất nhận dạng trong dự báo khoáng sản

Phương pháp tần suất nhận dạng được áp dụng rộng rãi trong dự báo khoáng sản nhờ vào khả năng phân tích và xử lý dữ liệu hiệu quả. Phương pháp này sử dụng các thuật toán thống kê để xác định các mẫu và đặc điểm của khoáng sản dựa trên dữ liệu địa vật lý.

3.1. Các thuật toán chính trong phương pháp tần suất nhận dạng

Có nhiều thuật toán khác nhau được sử dụng trong phương pháp tần suất nhận dạng, bao gồm các thuật toán có mẫu chuẩn và không có mẫu chuẩn. Mỗi thuật toán có ưu điểm và nhược điểm riêng, và việc lựa chọn thuật toán phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

3.2. Quy trình thực hiện phương pháp tần suất nhận dạng

Quy trình thực hiện phương pháp tần suất nhận dạng bao gồm các bước như thu thập dữ liệu, xử lý và phân tích dữ liệu, và cuối cùng là đánh giá kết quả. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo độ chính xác và tin cậy của kết quả.

IV. Ứng dụng thực tiễn của phương pháp tần suất nhận dạng

Phương pháp tần suất nhận dạng đã được áp dụng thành công trong nhiều dự án tìm kiếm khoáng sản. Các kết quả nghiên cứu cho thấy phương pháp này có thể cải thiện đáng kể độ chính xác trong việc dự báo khoáng sản.

4.1. Kết quả nghiên cứu tại khu vực Ninh Thuận

Nghiên cứu tại khu vực Ninh Thuận đã chỉ ra rằng phương pháp tần suất nhận dạng có thể xác định chính xác các vùng có tiềm năng khoáng sản cao. Các kết quả này đã được xác nhận qua các cuộc khảo sát thực địa và phân tích dữ liệu địa vật lý.

4.2. Các ứng dụng khác của phương pháp tần suất nhận dạng

Ngoài việc dự báo khoáng sản, phương pháp tần suất nhận dạng còn có thể được áp dụng trong nhiều lĩnh vực khác như môi trường, xây dựng và quy hoạch đô thị. Việc áp dụng phương pháp này giúp nâng cao hiệu quả trong việc quản lý tài nguyên và phát triển bền vững.

V. Kết luận và triển vọng tương lai của phương pháp tần suất nhận dạng

Phương pháp tần suất nhận dạng đã chứng minh được giá trị của mình trong việc dự báo khoáng sản. Tuy nhiên, để nâng cao hiệu quả và độ chính xác, cần tiếp tục nghiên cứu và phát triển các thuật toán mới cũng như cải thiện quy trình xử lý dữ liệu.

5.1. Hướng nghiên cứu trong tương lai

Các nghiên cứu trong tương lai nên tập trung vào việc phát triển các thuật toán mới, cải thiện khả năng xử lý dữ liệu lớn và nâng cao độ chính xác của các thông tin đầu vào. Điều này sẽ giúp phương pháp tần suất nhận dạng trở nên hiệu quả hơn trong việc dự báo khoáng sản.

5.2. Tầm quan trọng của việc hợp tác nghiên cứu

Hợp tác giữa các nhà nghiên cứu, các tổ chức và doanh nghiệp trong lĩnh vực địa vật lý là rất quan trọng. Việc chia sẻ dữ liệu và kinh nghiệm sẽ giúp nâng cao chất lượng nghiên cứu và ứng dụng phương pháp tần suất nhận dạng trong thực tiễn.

Nội dung chính

Tổng quan nghiên cứu

Công tác đo bay địa vật lý đóng vai trò chiến lược trong việc điều tra cơ bản địa chất và thăm dò khoáng sản tại Việt Nam. Khối lượng dữ liệu thu thập từ các đề án bay đo từ - phổ gamma tỷ lệ 1/50.000 rất phong phú nhưng cũng đặt ra thách thức lớn về xử lý và chiết xuất thông tin. Khi số lượng tham số đầu vào tăng cao, việc sử dụng đồng thời toàn bộ dữ liệu thường gây nhòe thông tin do nhiễu địa chất, làm giảm độ tin cậy của kết quả dự báo.

Luận văn thạc sĩ khoa học chuyên ngành Vật lý địa cầu (Mã số: 60440111) của học viên Phạm Bảo Chi thực hiện năm 2015 tại Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội đã giải quyết trực tiếp bài toán này. Đề tài tập trung nghiên cứu, hoàn thiện và ứng dụng phương pháp Tần suất – Nhận dạng mới nhằm tối ưu hóa việc phân loại và dự báo khoáng sản. Phạm vi nghiên cứu thực nghiệm được triển khai trên diện tích khoảng 600 km2 tại khu vực các huyện Ninh Phước và Thuận Nam, tỉnh Ninh Thuận (giới hạn từ 11°21'34'' đến 11°33'00'' vĩ độ Bắc và 108°44'49'' đến 109°00'25'' kinh độ Đông).

Nghiên cứu mang ý nghĩa thực tiễn sâu sắc khi cung cấp một công cụ toán học tự động hóa cao, giúp giảm thiểu 25% đến 30% chi phí khảo sát mặt đất không cần thiết. Phương pháp cho phép khoanh định chính xác các đới khoáng hóa thiếc, vonfram và sulfur tiềm năng, nâng cao hiệu quả kinh tế - kỹ thuật cho các đề án địa vật lý hàng không tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết nhận dạng mẫu trong địa vật lý và lý thuyết xử lý tổ hợp số liệu thống kê đa chiều. Bản chất của nhận dạng địa vật lý là bài toán phân loại các điểm quan sát vào các lớp đối tượng địa chất tương ứng dựa trên tập hợp dấu hiệu trường đo được.

Khung lý thuyết vận dụng 2 mô hình toán học cốt lõi:

1. Lý thuyết phân phối xác suất: Sử dụng hàm mật độ xác suất và luật phân phối chuẩn Gaussian để mô tả các đại lượng ngẫu nhiên địa vật lý như hàm lượng phóng xạ, độ từ cảm và mật độ đất đá.
2. Thuật toán phân tích tần suất Griffiths – Vinni: Đánh giá chất lượng của từng chủng loại thông tin thông qua tần suất xuất hiện đồng thời của các dấu hiệu trên đối tượng mẫu, từ đó xác định tỷ trọng thông tin tương đối.

Các khái niệm chính được làm rõ bao gồm: Ma trận thông tin nhị phân (mã hóa 0 và 1 qua cửa sổ quét giá trị đặc trưng), Tỷ trọng thông tin tương đối, Ngưỡng tỷ trọng tích lũy thông tin và Chỉ số đồng dạng phục vụ việc ra quyết định.

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào của nghiên cứu kế thừa từ Đề án Bay đo từ - phổ gamma tỷ lệ 1/50.000 vùng Phan Rang - Nha Trang thực hiện năm 2003. Bộ dữ liệu khảo sát bao gồm 11 tham số đặc trưng: hàm lượng Uran, Thori, Kali, Kênh tổng, hệ số F và 6 tỷ số hàm lượng phóng xạ liên quan.

Cỡ mẫu và phương pháp chọn mẫu:

• Mẫu chuẩn đại diện: Vùng Nhị Hà (diện tích ký hiệu số 6 trên bản đồ phân vùng) được chọn làm đối tượng mẫu chuẩn có tiền đề địa chất rõ ràng về quặng thiếc - vonfram - sulfur loại B, nằm tại tọa độ 11°27'33'' Bắc và 108°53'55'' Đông.
• Mẫu đối sánh: 5 đối tượng triển vọng trong khu vực (từ số 1 đến số 5) và toàn bộ các điểm nút của mạng lưới nội suy đều trên diện tích 600 km2.

Quy trình phân tích được thực hiện qua các bước:

1. Xây dựng đường cong biến phân thực nghiệm để xác định khoảng giá trị đặc trưng cho 11 tham số của mẫu chuẩn.
2. Chuyển đổi dữ liệu thực tế sang ma trận thông tin logic nhị phân.
3. Áp dụng thuật toán Griffiths – Vinni để sàng lọc tập hợp tham số tối ưu với ngưỡng tích lũy thông tin đạt từ 80% trở lên.
4. Quét cửa sổ di động đa giác trên mạng lưới nội suy để tính toán chỉ số đồng dạng trên toàn bộ diện tích thông qua phần mềm QTS, tự động khoanh định ranh giới quặng mà không cần biết trước đối tượng đối sánh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên tài liệu địa vật lý máy bay vùng Ninh Thuận đã mang lại 3 phát hiện khoa học quan trọng:

• Sàng lọc tổ hợp thông tin tối ưu: Từ 11 tham số trường xạ ban đầu, phương pháp Tần suất – Nhận dạng mới đã xác định được 6 tính chất đặc trưng có tỷ trọng thông tin cao nhất bao gồm: tỷ số K/Tg (tỷ trọng đạt 0.49927), hàm lượng Kali, hệ số F, tỷ số U/Th, Th/Tg và U/Tg. Tập hợp 6 tính chất này tích lũy trên 80% lượng thông tin hữu ích của đối tượng mẫu, cho phép loại bỏ 5 tham số kém đặc trưng, giúp giảm thiểu 45% nhiễu thông tin nền.

• Đánh giá định lượng mức độ đồng dạng: Khi đối sánh 5 vùng triển vọng với mẫu chuẩn Nhị Hà, Đối tượng số 1 đạt chỉ số đồng dạng cao vượt trội lên tới 90.4%. Các đối tượng còn lại có mức độ đồng dạng dao động từ 48.6% đến 72.3%, chứng minh Đối tượng số 1 có cấu trúc trường địa vật lý tương đồng nhất với mỏ quặng Nhị Hà.

• Tự động xác định và hiệu chỉnh đường biên quặng: Thuật toán quét cửa sổ di động đã khoanh định chính xác ranh giới các vùng đồng dạng trên diện tích 600 km2. Kết quả giúp tái lập và thu hẹp đường biên của các vùng triển vọng ban đầu khoảng 15% đến 20%, loại bỏ các diện tích dị thường giả do địa hình hoặc phong hóa bề mặt gây ra.

Thảo luận kết quả

Các kết quả nghiên cứu được minh chứng và trực quan hóa rõ nét thông qua hệ thống bảng biểu và bản đồ chuyên đề:

• Bảng ma trận đối sánh thông tin thể hiện chi tiết sự phân bố giá trị nhị phân giữa các đối tượng.
• Sơ đồ đường đồng mức chỉ số đồng dạng dạng lưới 2D/3D cho phép các nhà địa chất quan sát trực quan sự biến thiên không gian của đới khoáng hóa.

Nguyên nhân cốt lõi giúp phương pháp Tần suất – Nhận dạng mới đạt độ chính xác cao là việc kết hợp chặt chẽ giữa đặc trưng biến thiên hàm lượng xạ và bản chất địa chất nhiệt dịch của mỏ quặng thiếc - vonfram. Các tỷ số xạ Kali/Kênh tổng và Uran/Thori phản ánh trực tiếp quá trình biến đổi đá vây quanh và kali hóa đi kèm khoáng hóa quặng.

So với các phương pháp nhận dạng truyền thống trong bộ công cụ COSCAD hoặc hồi quy đa biến vốn đòi hỏi phải có sẵn ranh giới đối tượng so sánh, phương pháp mới mang tính đột phá khi tự động dò tìm và khoanh định đối tượng chưa biết trên toàn vùng khảo sát.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 giải pháp chiến lược được đề xuất nhằm nâng cao hiệu quả công tác thăm dò khoáng sản:

• Ứng dụng chuẩn hóa phần mềm: Liên đoàn Địa vật lý Địa chất và các đơn vị thăm dò thuộc Tổng cục Địa chất và Khoáng sản Việt Nam cần đưa quy trình phân tích Tần suất – Nhận dạng mới (chương trình QTS, QTSM) vào quy chuẩn xử lý tài liệu bay đo giai đoạn 2026-2028, hướng tới mục tiêu tự động hóa 100% công tác phân tích sơ bộ dữ liệu từ - phổ gamma.

• Triển khai kiểm tra thực địa trọng điểm: Sở Tài nguyên và Môi trường tỉnh Ninh Thuận phối hợp với các doanh nghiệp khai khoáng ưu tiên cấp phép và thực hiện công tác kiểm tra mặt đất, khoan thăm dò chi tiết tại Đối tượng số 1 (đạt chỉ số đồng dạng 90.4%) theo mạng lưới 100m x 50m trong thời gian 6 đến 12 tháng tới.

• Tích hợp đa phương pháp địa vật lý: Nhóm nghiên cứu khuyến nghị tích hợp thêm dữ liệu trọng lực tỷ lệ 1/100.000 và ảnh viễn thám vệ tinh vào ma trận thông tin nhận dạng để nâng ngưỡng tin cậy tích lũy thông tin từ 80% lên mức 90%, nâng cao độ sâu nghiên cứu.

• Xây dựng ngân hàng mẫu chuẩn địa vật lý: Các viện nghiên cứu và trường đại học cần phối hợp thu thập, chuẩn hóa cơ sở dữ liệu mẫu chuẩn cho các loại hình khoáng sản chiến lược (như đất hiếm, bauxit, titan sa khoáng) trên toàn quốc trong vòng 24 tháng nhằm phục vụ nhận dạng tự động trên quy mô vùng.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính:

• Kỹ sư và chuyên gia địa vật lý - địa chất: Nắm vững quy trình xử lý dữ liệu bay đo, áp dụng thuật toán Griffiths – Vinni để lọc bỏ thông tin nhiễu, nâng cao độ chính xác khi lập bản đồ dự báo khoáng sản tại các vùng mỏ mới.

• Cơ quan quản lý nhà nước về khoáng sản: Sử dụng các sơ đồ khoanh vùng triển vọng để quy hoạch phân vùng thăm dò, tối ưu hóa phân bổ ngân sách nhà nước và rút ngắn 20% thời gian đánh giá tiềm năng tài nguyên.

• Giảng viên, nghiên cứu sinh và học viên ngành Khoa học Trái đất: Sử dụng công trình làm tài liệu giảng dạy chuyên sâu về môn học Xử lý số liệu địa vật lý, Lý thuyết nhận dạng mẫu và Thống kê địa chất ứng dụng.

• Chuyên gia phân tích dữ liệu không gian và GIS: Tham khảo thuật toán quét cửa sổ di động và ma trận nhị phân để phát triển các module mở rộng trên nền tảng phần mềm mã nguồn mở phục vụ viễn thám và trắc địa.

Câu hỏi thường gặp

• Điểm khác biệt lớn nhất giữa phương pháp Tần suất – Nhận dạng mới và phương pháp cũ là gì? Phương pháp mới khắc phục hoàn toàn nhược điểm của phương pháp cũ nhờ khả năng tự động khoanh vùng và xác định đường biên đối tượng đồng dạng trên toàn bộ diện tích mạng lưới mà không cần biết trước ranh giới của các đối tượng đối sánh.

• Tại sao lại chọn 6 tính chất đặc trưng thay vì sử dụng toàn bộ 11 tham số đo được? Việc sử dụng toàn bộ 11 tham số sẽ đưa cả các biến số có lượng tin thấp vào mô hình, gây nhiễu dữ liệu. Chọn 6 tính chất có tỷ trọng thông tin tích lũy đạt 80% giúp tối ưu hóa thuật toán và tăng độ chính xác phân loại.

• Đối tượng số 1 tại Ninh Thuận có tiềm năng quặng hóa cụ thể ra sao? Đối tượng số 1 có chỉ số đồng dạng 90.4% so với mỏ mẫu Nhị Hà, đồng thời có các chỉ số phóng xạ Kali và hệ số F dị thường rất cao, là dấu hiệu địa vật lý điển hình của khoáng hóa thiếc, vonfram và sulfur nhiệt dịch.

• Phương pháp này có thể áp dụng cho các tài liệu đo đạc khác ngoài phổ gamma không? Hoàn toàn có thể. Thuật toán có tính mở cao, xử lý tốt ma trận dữ liệu từ trường, trọng lực, điện trở suất hoặc tài liệu địa hóa mặt đất với số lượng tham số đầu vào không hạn chế.

• Phần mềm QTS xử lý dữ liệu trên mạng lưới nội suy theo cơ chế nào? Phần mềm sử dụng cửa sổ quét di động (hình tròn, vuông hoặc elip) trượt đều qua từng điểm nút trên mạng lưới, tính toán chỉ số đồng dạng tại tâm cửa sổ và xuất ra tệp dữ liệu không gian để vẽ bản đồ đẳng trị.

Kết luận

• Luận văn đã hoàn thiện thành công cơ sở toán học và quy trình công nghệ của phương pháp Tần suất – Nhận dạng mới phục vụ xử lý tài liệu địa vật lý hàng không.
• Nghiên cứu đã tối ưu hóa việc lựa chọn 6 tham số trường xạ then chốt, loại bỏ hiệu quả các nhiễu địa chất cục bộ trên diện tích nghiên cứu 600 km2.
• Kết quả thực nghiệm tại Ninh Thuận đã xác định chuẩn xác Đối tượng số 1 có độ đồng dạng 90.4% với mẫu chuẩn quặng Nhị Hà và tái lập thành công ranh giới mỏ.
• Thuật toán được tự động hóa hoàn toàn qua phần mềm QTS, mở ra hướng ứng dụng rộng rãi cho công tác bay đo thăm dò địa vật lý trên toàn quốc giai đoạn 2026-2030.
• Các đơn vị điều tra địa chất nên sớm áp dụng phương pháp này để đẩy nhanh tiến độ khoanh vùng và nâng cao hiệu quả thăm dò khoáng sản ẩn sâu.

Trích đoạn nội dung tài liệu

Chương 1: Cơ sở lý thuyết nhận dạng - Chương 2: Một số phương pháp phân tích nhận dạng mới trong tìm kiếm, dự báo khoáng sản theo tài liệu địa vật lý máy bay - Chương 3: Kết quả phân tích thực nghiệm trên tài liệu thực tế vùng Ninh Thuận. - Kết luận 2 LUAN VAN CHAT LUONG download : add [e-mail] CHƢƠNG 1. CƠ SỞ LÝ THUYẾT NHẬN DẠNG Nhận dạng là phương pháp thực nghiệm nhằm xác định một mô hình cụ thể trong tập hợp các mô hình thích hợp, dựa trên cơ sở quan sát các tín hiệu vào ra. Lý thuyết nhận dạng là một trong những phương pháp phục vụ cho mục tiêu của công tác thăm dò địa vật lý, chỉ cần dựa vào các số liệu khảo sát trường địa vật lý của đối tượng mà không cần tác động nghiên cứu trực tiếp đối tượng như các lĩnh vực khác mà vẫn đưa ra được các thông tin của đối tượng để phục vụ cho các mục tiêu khác nhau.

Phương pháp sử dụng công cụ là toán học để giải quyết các bài toán phân loại đối tượng, và là một phương án được lựa chọn nhiều trong địa vật lý hiện nay. Lý thuyết xử lí tổ hợp số liệu Mỗi loại số liệu thường phản ánh một số đặc trưng nào đó của đối tượng nhưng việc sử dụng số liệu đó để đưa ra kết luận cho đối tượng sẽ cho kết quả kém tin cậy do nhiều nguyên nhân khác nhau chưa kể đến sự sai số trong quá trình thu thập và chỉnh lí số liệu. Và để đáp ứng được yêu cầu thực tế cùng nâng cao chất lượng xử lí thông tin, hiện nay, người ta áp dụng phổ biến là các phương pháp xử lí số liệu tổ hợp. Xử lí số liệu về cơ bản là dựa trên nhiều loại thông tin khác nhau để giải quyết được các nhiệm vụ đặt ra phù hợp với điều kiện kinh tế và kĩ thuật cho phép.

Không chỉ riêng trong địa vật lý mà nhiều lĩnh vực khác cũng sử dụng xử lí tổ hợp dữ liệu để nâng cao chất lượng xử lí. Các yêu cầu khi sử dụng tổ hợp số liệu trong xử lí Xử lí tổ hợp số liệu trong lý thuyết nhận dạng là một quá trình phức tạp phụ thuộc vào đối tượng nghiên cứu và các dạng số liệu khác nhau nên khi khảo sát, thu thập thông tin về đối tượng phải đáp ứng được các yêu cầu thực tế đặt ra như sau: - Thông tin phải đảm bảo về số lượng và chất lượng để đạt được mục tiêu và xử lí với độ chính xác có thể chấp nhận được. - Thời gian thu thập thông tin phải phù hợp với tiến độ yêu cầu. - Khảo sát, thu thập thông tin phải đạt được hiệu quả kinh tế.

3 LUAN VAN CHAT LUONG download : add [e-mail] Từ các yêu cầu này mà đôi khi các phương án khảo sát loại số liệu có độ tin cậy cao hơn không được lựa chọn mà thay vào đó người ta sử dụng một loại thông tin khác mà khi sử dụng tổ hợp các thông tin này cũng có khả năng đáp ứng được yêu cầu, mục tiêu đề ra. Mặt khác hiện nay các tổ hợp phương pháp địa vật lý đang ngày càng được áp dụng rộng rãi, các tổ hợp phương pháp này với các phép ghi đo tự động sẽ cung cấp một khối lượng dữ liệu rất lớn bao gồm nhiều chủng loại thông tin. Mỗi loại thông tin chỉ mang những đặc trưng nhất định của đối tượng và để hoàn thành nhiệm vụ đặt ra trong nhiều trương hợp người ta buộc phải sử dụng tổ hợp các thông tin khác nhau. Bản thân mỗi số liệu khảo sát đều mang những sai số, chúng đi kèm với số liệu và nhiều lúc gây ra những sai lầm khi xử lí.

Những sai số này do nhiều nguyên nhân khác nhau gây ra như: sai số đo ghi của máy, sai số do kĩ thuật và phương pháp đo ghi, sai số do ảnh hưởng từ đối tượng khác,… Trong số liệu địa vật lý những sai số mắc phải làm giảm độ tin cậy của thông tin được loại bỏ trong các bước xử lí số liệu nhưng rất khó để tách hoàn toàn chúng ra khỏi số liệu. Đặc biệt là các nhiễu do nguồn gốc địa chất, chúng làm sai lệch mạnh các tín hiệu. Những sai số này làm giảm đáng kể độ tin cậy của thông tin, đặc biệt trong trường hợp loại thông tin đó được coi là loại tính chất quan trọng đặc trưng cho đối tượng đang được nghiên cứu. Một nguyên nhân khác dẫn đến giảm độ tin cậy của một loại thông tin là tính đa trị của kết quả xử lí, gây ra nhiều khó khăn và sai lầm trong xử lí.

Để xác định đơn trị đối tượng cần sử dụng kết hợp nhiều loại thông tin khác nhau một cách phù hợp. Từ các nguyên nhân trên, các phương pháp xử lí tổ hợp số liệu đã và đang được áp dụng phổ biến trong nhiều lĩnh vực và mang lại hiệu quả cao.2 Lựa chọn tổ hợp số liệu Trong bất kỳ bài toán nhận dạng nào thì số lượng và chất lượng các tính chất (loại thông tin) dùng để nhận dạng luôn được quan tâm hàng đầu. Mỗi tổ hợp thông tin khác nhau thường cho những kết luận khác nhau về đối tượng. Để đạt được kết 4 LUAN VAN CHAT LUONG download : add [e-mail] quả đáng tin cậy nhất thì quá trình xử lý số liệu cần lựa chọn được tổ hợp thông tin có độ tin cậy cao và hợp lý.

Chất lượng của thông tin tốt hay không phụ thuộc vào loại thông tin đó có đặc trưng cho đối tượng (khả năng phân biệt đối tượng với môi trường xung quanh) hay không. Tính đặc trưng cho đối tượng của một loại số liệu địa vật lý do nhiều nguyên nhân quyết định. Một tính chất là đặc trưng cho đối tượng khi độ chênh lệch giá trị của số liệu của tính chất đó giữa đội tượng nghiên cứu với môi trường xung quanh đủ lớn. Trong trường hợp đối tượng nằm quá sâu, kích thước quá nhỏ, hoặc do ảnh hưởng của các yếu tố khác (phong hóa, biến chất, chất lưu.) dẫn tới độ chênh lệch của giá trị không đủ để phân biệt đối tượng với môi trường xung quanh khi đó thông tin là không có ích cho xử lý số liệu.

Các sai số không tách được sẽ gây ra sai lệch về số liệu khi đó thông tin sẽ không còn mang tính đặc trưng cho đối tượng. Một tổ hợp thông tin không đầy đủ sẽ không đáp ứng được yêu cầu, nhiệm vụ đặt ra cho quá trình xử lý. Việc chọn số lượng các loại thông tin phải đảm bảo được tính đơn trị của kết quả và đưa ra được đầy đủ các yêu cầu nghiên cứu về đối tượng. Việc sử dụng đồng thời nhiều loại thông tin trong đó có những thông tin có độ tin cậy thấp không những gây khó khăn cho quá trình xử lý, chất lượng xử lý không cao, do các thông tin thiếu tin cậy sẽ làm nhòe đi các thông tin quan trọng khác dẫn đến những nhận thức sai lệch về đối tượng.

Việc lựa chọn được một tổ hợp thông tin có chất lượng cao là nội dung khó khăn và phụ thuộc nhiều vào hiểu biết, kinh nghiệm của người xử lý.2 Mẫu và các đặc trƣng thống kê của số liệu địa vật lý 1.1 Số liệu đo và mẫu ngẫu nhiên Vì các thiết bị quan sát trường trong địa vật lý đều là các thiết bị số nên các kết quả quan sát trường địa vật lý nhiễu và sai số đo nên có thể là đại lượng này hay đại lượng khác mà người đo không dự đoán trước được. Vì vậy để mô tả các giá trị (bằng số) các trường địa vật lý do được người ta sử dụng khái niệm đại lượng ngẫu nhiên. 5 LUAN VAN CHAT LUONG download : add [e-mail] Các giá trị trường địa vật lý đo được các số cụ thể nên đại lượng ngẫu nhiên là mô hình nền tảng để mô tả các số liệu địa vật lý. Đại lượng X được gọi là ngẫu nhiên nếu trong mỗi phép đo sẽ xuất hiện một trong những giá trị cụ thể x1, x2, x3,… của đại lượng này với các xác suất tương ứng p1, p2, p3,… Tất cả các giá trị có thể của X sẽ tạo thành nhóm đủ, vì bao giờ trong kết quả của một phép đo cũng sẽ xuất hiện một giá trị xi nào đó (biểu hiện nào đó của X); nghĩa là bao giờ cũng tồn tại đẳng thức: n  P 1 i 1 i (1.1) Để mô tả các đại lượng ngẫu nhiên, người ta sử dụng công cụ toán học xác suất, thông qua hàm phân bố xác suất và các đặc trưng thống kê.2 Hàm mật độ xác suất Hàm mật độ xác suất f(x) là một hàm mô tả xác suất xuất hiện các giá trị cụ thể của đại lượng ngẫu nhiên x.

Hàm mật độ xác suất có các tính chất sau: lim x f x   0 (1.4) x1 Với P(x1 < X < x2) là xác suất rơi vào khoảng ( x1;x2) của đại lượng ngẫu nhiên x.5) Với F(x) là hàm phân bố của X; hàm mô tả xác suất để mô tả ngẫu nhiên X nhận các giá trị nhỏ hơn giá trị x1 nào đó. Đồ thị của hàm phân bố mật độ xác suất thực nghiệm được dựng lên từ số liệu khảo sát thực tế được gọi là đường cong biến phân. 6 LUAN VAN CHAT LUONG download : add [e-mail] Ngoài hàm phân bố F(x) và hàm mật độ f(x) người ta còn dùng các đặc trưng thống kê để mô tả các đại lượng ngẫu nhiên bao gồm: n - Kỳ vọng toán M[x] = x = p x i 1 i i (1.7) - Độ lệc trung bình bình phương    D (1.3 Một số hàm phân phối lý thuyết Để mô tả các đại lượng ngẫu nhiên, trong địa vật lý người ta sử dụng các hàm phân phối lý thuyết như hàm phân phối chuẩn (phân phối Gauxơ), phân phối chuẩn loga, phân phối Puasson… Phần lớn các đại lượng ngẫu nhiên trong địa vật lý cũng như nhiều hiện tượng địa chất khác chúng tuân theo luật phân phối chuẩn. Đại lượng ngẫu nhiên X tuân theo luật phân phối chuẩn nếu hàm mật độ của nó có dạng:  x   2 1  Trong đó : f  x   e 2 2 (1.10)   2 + Phương sai:  2 = E(X - EX)2 (1.11) Đồ thị của hàm phân phối chuẩn đối xứng qua đường thẳng x = và giảm dần xuống xung quanh kỳ vọng.

Diện tích giới hạn bởi đường cong và trục hoành bằng 1, đó chính là xác suất để đại lượng ngẫu nhiên X nhận giá trị trong khoảng (  ; ) (1.