Vũ Đình Trọng
Trường Đại học Công nghiệp Quảng Ninh, Việt Nam
Nguyễn Văn Đức
Trường Đại học Công nghiệp Quảng Ninh, Việt Nam
Tóm tắt (Abstract)
Việc xây dựng mô hình thạch học 3D tại mỏ đá vôi Tà Thiết gặp nhiều khó khăn do mạng lưới lỗ khoan thưa thớt và dữ liệu mất cân bằng giữa lớp đá vôi (đa số) và các lớp kẹp như sét, đá ong (thiểu số). Nghiên cứu này đề xuất mô hình lai (Hybrid RF), kết hợp thuật toán Random Forest (RF) và kỹ thuật Indicator Kriging (IK). Bằng cách sử dụng các phân phối xác suất không gian từ IK làm đặc trưng đầu vào, mô hình Hybrid RF giúp thuật toán nắm bắt được bối cảnh địa chất cục bộ. Kết quả cho thấy mô hình lai đạt độ chính xác tổng thể 93,0% (vượt trội so với RF tiêu chuẩn 80,0% và IK 61,0%), đồng thời cải thiện 145% chỉ số F1-score cho các lớp đá thiểu số. Mô hình lai cho phép tái hiện chính xác các ranh giới thạch học sắc nét. Đây là công cụ tin cậy hỗ trợ khai thác chọn lọc và tối ưu hóa phối trộn nguyên liệu xi măng.
The establishment of a 3D lithological model is a challenging task in Ta Thiet quarry limestone due to the sparseness of the exploration drilling pattern along with the imbalance of drill log data. This study proposes a hybrid Random Forest (RF) which is the combination of standard RF and geostatistical Indicator Kriging (IK). Using the spatial probability generated by IK, the RF model captures the geological context. The result shows that the hybrid RF achieved an overall accuracy of 93.0%, which outperformed the standard RF (80,0%) and IK (61,0%) and improved its ability in detecting minor rock types. The hybrid RF model also generates a high solution of lithological boundaries. This is potentially a reliable tool for selective mining and blending of cement raw mmaterials.
Tài liệu tham khảo
1. P. Goovaerts (1999), Geostatistics for Natural Resources Evaluation by Pierre Goovaerts, Oxford University Press, City. 2. Z. Hang, T. Xue, J. Chen, Y. Shi, Z. Yin, Z. Cui and G. Zhou (2025), A 3D Geological Modeling Method Using the Transformer Model: A Solution for Sparse Borehole Data, Minerals, 15 3, 301- 301. 3. T. B. Afeni, V. O. Akeju and A. E. Aladejare (2021), A comparative study of geometric and geostatistical methods for qualitative reserve estimation of limestone deposit, Geoscience Frontiers, 12 1, 243-253. 4. G. Ji, Q. Wang, X. Zhou, Z. Cai, J. Zhu and Y. Lu (2023), An automated method to build 3D multi-scale geological models for engineering sedimentary layers with stratum lenses, Engineering Geology, 317 107077-107077. 5. S. A. Hosseini, O. Asghari, X. Emery and M. J. B. D. G. T. E. A. Maleki (2017), Forecasting the grade-tonnage curves and their uncertainty at the Mehdiabad deposit-Yazd, central Iran, Bollettino 24 Di Geofisica Teorica Ed Applicata. 6. T. Y. Yünsel (2018), Simulation of cement raw material deposits using plurigaussian technique, 10 1, 889-901. 7. T. Vu, C. Drebenstedt and T. Bao (2020), Assessing geological uncertainty of a cement raw material deposit, southern Vietnam, based on hierarchical simulation, International Journal of Mining Science and Technology, 8. M. M. Tahernejad, R. KhaloKakaie and M. Ataei (2018), Analyzing the effect of ore grade uncertainty in open pit mine planning; A case study of Rezvan iron mine, Iran, International Journal of Mining and Geo-Engineering, 52 1, 111-120. 9. R. Goodfellow, F. A. Consuegra, R. G. Dimitrakopoulos and T. Lloyd (2012), Quantifying multi-element and volumetric uncertainty, Coleman McCreedy deposit, Ontario, Canada, Computer Geoscience, 42 71-78. 10. Y. Dagasan, O. Erten, P. Renard, J. Straubhaar and E. Topal (2019), Multiple-point statistical simulation of the ore boundaries for a lateritic bauxite deposit, Stochastic Environmental Research and Risk Assessment, 33 3, 865-878. 11. P. Pereira, M. N. Rabelo, C. C. Ribeiro and H. S. Diniz-Pinto (2017), Geological modeling by an indicator kriging approach applied to a limestone deposit in Indiara city - Goiás, REM - International Engineering Journal, 70 3, 331-37. 12. N. K. Dumakor-Dupey and S. Arya (2021), Machine learning—a review of applications in mineral resource estimation, Energies, 14 14, 4079-4079.
