Publicación:

Desarrollo metodológico para la obtención de modelos espaciales del subsuelo, de uso en prospección en geociencias, mediante métodos de machine learning con datos geológicos, geofísicos y geomecánicos

Resumen en español

La extracción de recursos minerales es una necesidad fundamental para el mundo. Sin su extracción, gran parte de los utensilios y herramientas a los cuales estamos acostumbrados en nuestra vida cotidiana dejarían de existir: Desde los simples utensilios de cocina, electrodomésticos, computadores, medios de transporte hasta el equipo hospitalario o los colisionadores de partículas requieren una basta cantidad de materias primas extraídas del subsuelo. Entre éstas se encuentra el oro, un metal bastante escaso pero muy codiciado por sus usos tanto industriales como domésticos. En el departamento de Antioquia se concentra la mayor parte de la explotación de oro aluvial de Colombia, extrayéndose alrededor del 45 % del total del oro producido en el país, lo cual representa una importante fuente de ingresos para las empresas y familias dedicados a esta actividad. Sin embargo, la extracción de oro tiene muchos retos, entre ellos destaca la prospección y estimación de la cantidad de oro en una zona de interés. Esta tarea a nivel industrial requiere una inversión económica elevada en estudios del subsuelo, tales como perforaciones, técnicas de geofísica y geoquímica, entre otras, las cuales al final dan indicios de la viabilidad de un proyecto de extracción minera.Debido al alto costo de estos estudios, a lo largo de los años se han desarrollado herramientas para extraer la mayor cantidad de información posible de los datos obtenidos. En el panorama del oro y otros elementos se suelen utilizar técnicas de interpolación espacial como Kriging, ponderación de distancia inversa (IDW, por sus siglas en inglés) e interpolación suave discreta, entre otras, con las cuales se obtienen modelos 2D y 3D del subsuelo, lo que permite establecer zonas de interés para la exploración y/o explotación minera. Con el aumento de la capacidad de cómputo y el refinamiento de técnicas de machine learning, se han explorado novedosas metodologías alrededor del mundo para apoyar la prospección mineral, entre ellas se encuentran: interpolación espacial mediante bosques aleatorios, máquinas de vectores de soporte, métodos de apilamiento, aprendizaje profundo, procesamiento de lenguaje natural, entre muchas otras. Aunque existen estudios en los que se aplican técnicas de machine learning para apoyar la prospección minera en el mundo, estos estudios se encuentran alejados del panorama de la minería aurífera aluvial de Colombia. Por este motivo, para esta investigación, se seleccionó una mina de Caucasia, un municipio colombiano de tradición minera. Esta mina se explota a nivel industrial por la empresa WGM, la cual proporcionó, para fines de esta investigación, los datos de 147 perforaciones realizadas en las etapas iniciales de exploración. Estas perforaciones tienen asociadas descripciones textuales y análisis geoquímicos en intervalos de profundidad aproximados de 0.3 m, dando un total de 8642 muestras para el estudio. Con la información suministrada se abordaron dos tareas, la primera es el procesamiento de los datos usando técnicas de procesamiento de lenguaje natural, conocimiento experto, reductores dimensionales, técnicas de clustering y álgebra lineal para generar 3 sets de datos, los cuales son utilizados en la segunda tarea, la cual consiste en el modelamiento prospectivo 2D y 3D mediante redes neuronales artificiales, interpolación lineal, interpolación Kriging y la reproducción de un estudio desarrollado por investigadores en Australia. Como resultado se obtuvieron 3 rutas metodológicas aplicables al entorno de minería aluvial, las cuales permiten combinar información cualitativa y cuantitativa e integrarlas con modelos de interpolación espacial, para la generación de modelos 2D y 3D del subsuelo con distinto desempeño, siendo el caso de mejor resultado, un mapa prospectivo de zona de interés que concuerda con los hallazgos obtenidos de las explotaciones realizadas en la mina.