지화학자료를 이용한 금${cdot}$은 광산의 배태 예상지역 추정-베이시안 지구통계학과 의사나무 결정기법의 활용

황상기; 이평구

추천

검색

자료유형: 학술저널

저자정보: 황상기 (배재대학교 토목환경공학과) 이평구 (한국지질지원 연구원 지질환경재해 연구부)

저널정보: 대한자원환경지질학회 자원환경지질 자원환경지질 제38권 제6호

발행연도: 2005.1

수록면: 663 - 673 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

지화학 자료의 공간적 분포와 금은광산의 공간적 분포사이의 상관관계를 조사하였다. 활용된 자료는 한국자원연구소에서 발간된 지화학도 중 21개 원소에 대한 도면과, 현재까지 파악된 광산의 위치도면 및 1:100만 지질도이다. 지화학도는 250m 등간격의 격자형 화소로 제작된 도면 중 통계분석을 위하여 1km 간격의 자료를 추출하여 분석하였으며, 광산위치의 지화학 자료 역시 250m 간격의 화소에서 추출하여 분석을 수행하였다. 광산과 지화학자료의 공간적인 상관분석은 베이시안 중첩법과 의사결정나무 기법을 활용하였디. 베이시안 통계기법은 각 지화학도에 분포하는 원소의 화소값을 올림차순으로 정열한 후 자료의 개수가 자기 5, 25, 50, 75, 95, $100\%$에 해당하는 등급을 나누어 모든 지화학도를 6개의 등급을 갖는 도면으로 재분류 하였다. 자 등급에 속한 광산의 개수를 대상으로 광산이 발생할 확률이 계산되었으며, 이 확률을 취합하여 최종 사후확률이 계산되었으며, 사후확률로 광산이 배태될 예측 도면이 작성되었다. 금/은, 동, 철, 납/아연, 텅스텐광산 및 광산이 존재하지 않는 위치에 해당하는 지화학 자료와 암상을 기준으로 의사결정나무를 학습시키고, 학습된 결과를 전체 자료에 적용하여 예측도면을 작성하였다. 광산이 존재하지 않은 지역을 추출하기 위하여 지화학도의 화소를 1km간격으로 추출한 후 이들 중 광산과 750m이내에 있는 자료는 제외시키는 알고리듬을 활용하였다. 예측결과 베이시안 방법에 의한 광산의 위치 예측이 의사결정나무에 의한 예측보다 상대적으로 정확함이 확인되었다. 그러나 두 방법 모두 공히 기존의 광산위치를 적절히 예측하고 있어서 지화학 자료는 광산의 위치와 밀접한 관계를 갖고 있음이 확인되었다.

This study investigates the relationship between the geochemical maps and the gold-silver deposit locations. Geochemical maps of 21 elements, which are published by KIGAM, locations of gold-silver deposits, and 1:1,000,000 scale geological map of Korea are utilized far this investigation. Pixel size of the basic geochemical maps is 250m and these data are resampled in 1km spacing for the statistical analyses. Relationship between the mine location and the geochemical data are investigated using bayesian statistics and decision tree algorithms. For the bayesian statistics, each geochemical maps are reclassified by percentile divisions which divides the data by 5, 25, 50, 75, 95, and $100\%$ data groups. Number of mine locations in these divisions are counted and the probabilities are calculated. Posterior probabilities of each pixel are calculated using the probability of 21 geochemical maps and the geological map. A prediction map of the mining locations is made by plotting the posterior probability. The input parameters for the decision tree construction are 21 geochemical elements and lithology, and the output parameters are 5 types of mines (Ag/Au, Cu, Fe, Pb/Zn, W) and absence of the mine. The locations for the absence of the mine are selected by resampling the overall area by 1 km spacing and eliminating my resampled points, which is in 750m distance from mine locations. A prediction map of each mine area is produced by applying the decision tree to every pixels. The prediction by Bayesian method is slightly better than the decision tree. However both prediction maps show reasonable match with the input mine locations. We interpret that such match indicate the rules produced by both methods are reasonable and therefore the geochemical data has strong relations with the mine locations. This implies that the geochemical rules could be used as background values oi mine locations, therefore could be used for evaluation of mine contamination. Bayesian statistics indicated that the probability of Au/Ag deposit increases as CaO, Cu, MgO, MnO, Pb and Li increases, and Zr decreases.

#금 #은광산 #광산의 예측 #지화학도 #베이시안통계기법 #의사결정나무기법

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

황상기

소속기관 배재대학교 토목환경공학과

주요연구분야 자연과학 > 지구과학 > 지질학

논문수 4 이용수 9

이평구

소속기관 한국지질지원 연구원 지질환경재해 연구부

주요연구분야 자연과학 > 지구과학 > 지질학

논문수 1 이용수 3

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)