Published January 1, 2024
| Version v1
Publication
Improved cluster analysis of Werner solutions for geologic depth estimation using unsupervised machine learning
Description
Werner deconvolution is a widely used method for computer-aided solution estimations using magnetic field data. Because of the inherent unpredictability of potential field data, the techniques frequently yield unpredictable results and may not always be able to predict the full extent of the geological structures depicted. The unsupervised clustering algorithm was then used to improve the detection of geological structures generated from magnetic field data. A synthetic magnetic model was created by combining two models that resembled dikes. To add a little more complexity to the model, sporadic noise was applied to the synthetic model. The synthetic model was subjected to Werner deconvolution to produce solutions. The developed solutions resulting from the synthetic data were applied to an unsupervised machine-learning algorithm. The algorithm was able to detect two clusters from the dataset and the centroids generated from the number of clusters formed indicated the depth of the two models, which was 5 m and 8 m respectively. The algorithm was then subjected to a real case dataset from the Banke complex, which is part of the Nigerian Younger Granite region. Three clusters were formed, having centroids of 536 m, 635 m, and 530 m. These depths were validated with previous surveys carried out in the area. This algorithm proved successful in determining the exact position in terms of the depth of the geologic bodies. This proposed approach is fully data-driven and is successful even when there is noise.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
فك التفاف فيرنر هو طريقة مستخدمة على نطاق واسع لتقديرات المحلول بمساعدة الكمبيوتر باستخدام بيانات المجال المغناطيسي. وبسبب عدم القدرة على التنبؤ الكامنة في البيانات الميدانية المحتملة، كثيرا ما تسفر التقنيات عن نتائج لا يمكن التنبؤ بها وقد لا تكون دائما قادرة على التنبؤ بالمدى الكامل للهياكل الجيولوجية المصورة. ثم تم استخدام خوارزمية التجميع العنقودي غير الخاضعة للإشراف لتحسين الكشف عن الهياكل الجيولوجية المتولدة من بيانات المجال المغناطيسي. تم إنشاء نموذج مغناطيسي اصطناعي من خلال الجمع بين نموذجين يشبهان السدود. لإضافة المزيد من التعقيد إلى النموذج، تم تطبيق ضوضاء متفرقة على النموذج الاصطناعي. تم إخضاع النموذج الاصطناعي لفك التفاف فيرنر لإنتاج حلول. تم تطبيق الحلول المطورة الناتجة عن البيانات الاصطناعية على خوارزمية التعلم الآلي غير الخاضعة للإشراف. تمكنت الخوارزمية من الكشف عن مجموعتين من مجموعة البيانات، وأشارت المراكز المتولدة من عدد المجموعات المتكونة إلى عمق النموذجين، والذي كان 5 أمتار و 8 أمتار على التوالي. ثم خضعت الخوارزمية لمجموعة بيانات حالة حقيقية من مجمع بانك، وهو جزء من منطقة الجرانيت الأصغر النيجيرية. تشكلت ثلاث مجموعات، لها نقاط مركزية من 536 م، و 635 م، و 530 م. تم التحقق من صحة هذه الأعماق من خلال المسوحات السابقة التي أجريت في المنطقة. أثبتت هذه الخوارزمية نجاحها في تحديد الموقع الدقيق من حيث عمق الأجسام الجيولوجية. يعتمد هذا النهج المقترح بشكل كامل على البيانات وهو ناجح حتى عندما يكون هناك ضجيج.Translated Description (French)
La déconvolution de Werner est une méthode largement utilisée pour les estimations de solutions assistées par ordinateur utilisant des données de champ magnétique. En raison de l'imprévisibilité inhérente des données potentielles sur le terrain, les techniques donnent souvent des résultats imprévisibles et peuvent ne pas toujours être en mesure de prédire toute l'étendue des structures géologiques représentées. L'algorithme de regroupement non supervisé a ensuite été utilisé pour améliorer la détection des structures géologiques générées à partir des données de champ magnétique. Un modèle magnétique synthétique a été créé en combinant deux modèles qui ressemblaient à des digues. Pour ajouter un peu plus de complexité au modèle, un bruit sporadique a été appliqué au modèle synthétique. Le modèle synthétique a été soumis à une déconvolution de Werner pour produire des solutions. Les solutions développées résultant des données synthétiques ont été appliquées à un algorithme d'apprentissage automatique non supervisé. L'algorithme a pu détecter deux grappes à partir de l'ensemble de données et les centroïdes générés à partir du nombre de grappes formées ont indiqué la profondeur des deux modèles, qui était de 5 m et 8 m respectivement. L'algorithme a ensuite été soumis à un ensemble de données de cas réels provenant du complexe de Banke, qui fait partie de la région nigériane de Younger Granite. Trois amas ont été formés, ayant des centroïdes de 536 m, 635 m et 530 m. Ces profondeurs ont été validées avec des relevés antérieurs réalisés dans la zone. Cet algorithme s'est avéré efficace pour déterminer la position exacte en termes de profondeur des corps géologiques. Cette approche proposée est entièrement axée sur les données et réussit même en cas de bruit.Translated Description (Spanish)
La deconvolución de Werner es un método ampliamente utilizado para las estimaciones de soluciones asistidas por ordenador utilizando datos de campo magnético. Debido a la imprevisibilidad inherente de los posibles datos de campo, las técnicas con frecuencia producen resultados impredecibles y es posible que no siempre puedan predecir la extensión total de las estructuras geológicas representadas. El algoritmo de agrupamiento no supervisado se utilizó para mejorar la detección de estructuras geológicas generadas a partir de datos de campo magnético. Se creó un modelo magnético sintético combinando dos modelos que se asemejaban a diques. Para añadir un poco más de complejidad al modelo, se aplicó ruido esporádico al modelo sintético. El modelo sintético se sometió a deconvolución de Werner para producir soluciones. Las soluciones desarrolladas resultantes de los datos sintéticos se aplicaron a un algoritmo de aprendizaje automático no supervisado. El algoritmo fue capaz de detectar dos clústeres del conjunto de datos y los centroides generados a partir del número de clústeres formados indicaron la profundidad de los dos modelos, que fue de 5 m y 8 m respectivamente. El algoritmo se sometió a un conjunto de datos de casos reales del complejo de Banke, que forma parte de la región nigeriana de Younger Granite. Se formaron tres conglomerados, con centroides de 536 m, 635 m y 530 m. Estas profundidades fueron validadas con levantamientos previos realizados en la zona. Este algoritmo resultó exitoso para determinar la posición exacta en términos de la profundidad de los cuerpos geológicos. Este enfoque propuesto está totalmente basado en datos y tiene éxito incluso cuando hay ruido.Additional details
Additional titles
- Translated title (Arabic)
- تحسين التحليل العنقودي لحلول فيرنر لتقدير العمق الجيولوجي باستخدام التعلم الآلي غير الخاضع للإشراف
- Translated title (French)
- Amélioration de l'analyse en grappes des solutions Werner pour l'estimation de la profondeur géologique à l'aide de l'apprentissage automatique non supervisé
- Translated title (Spanish)
- Análisis de clústeres mejorado de las soluciones de Werner para la estimación de la profundidad geológica utilizando aprendizaje automático no supervisado
Identifiers
- Other
- https://openalex.org/W4388590920
- DOI
- 10.1016/j.kjs.2023.10.011
References
- https://openalex.org/W1966748490
- https://openalex.org/W1978890933
- https://openalex.org/W1986277058
- https://openalex.org/W1989658230
- https://openalex.org/W2017893316
- https://openalex.org/W2024392312
- https://openalex.org/W2030291793
- https://openalex.org/W2072549406
- https://openalex.org/W2088615746
- https://openalex.org/W2092159336
- https://openalex.org/W2116007522
- https://openalex.org/W2128476487
- https://openalex.org/W2154818083
- https://openalex.org/W2168568454
- https://openalex.org/W2172044679
- https://openalex.org/W2406349003
- https://openalex.org/W2460847425
- https://openalex.org/W2605232094
- https://openalex.org/W2888770834
- https://openalex.org/W2913323966
- https://openalex.org/W3009330615
- https://openalex.org/W3122961957
- https://openalex.org/W4205154488