(Special session/Open call for public) Resource exploration and data processing

[2K0201-05-05] Methods for improving spatial modeling accuracy and new findings of resource distributions through the application

○Katsuaki Koike¹, Vitor Ribeiro de Sá¹, Taiki Kubo¹ (1. Kyoto University)

Chairman:Akihisa KIZAKI (Akita University)

Keywords:Geostatistics, Deep learning, Hydrothermal deposit, High temperature zone, Three-dimensional distribution

鉱物・エネルギー資源の需要の増加が今後も見込まれており，潜在する鉱床の位置，分布形態，品位分布，鉱量に関する推定技術の精緻化が一層求められている．これらの推定の基本となるのは，ボーリングや地表調査などによって採取された岩石や流体試料の鉱物・化学・物性分析であり，分析結果からサンプリング地点での詳細データが得られる．空間内に散在するこの点データを連続化させるという空間モデリングによって，鉱床の分布形態や品位分布が明らかになり，その統合で鉱量を算定できるようになる．空間モデリング法としてこれまで地球統計学が広く用いられており，最近では機械学習の応用が急増している．ただし，対象領域の大きさに比べて，種々の制約から分析データの量と分布密度は十分でないことが多く，空間モデリングの精度を向上させるには複数の情報の組み合わせや空間分布則，スケール則の付加などが不可欠になる．本稿では，陸域・海域での熱水鉱床や広域地熱資源を対象とした筆者らの研究事例に基づき，地球統計学と機械学習による空間モデリングの精度向上の試み，これによって明らかにできた高品位部と高温域の分布形態，およびそれらの形成要因と生成プロセスの解釈について紹介する．