MAPAS AUTO-ORGANIZÃVEIS APLICADOS AO MAPEAMENTO DO POTENCIAL MINERAL NA REGIÃO DE SERRA LESTE, PROVÍNCIA MINERAL DE CARAJÁS, PARÁ

Abstract

Um Mapa Auto-Organizável (SOM -Self-Organizing Map) foi elaborado com o objetivo de integrar e procurar por padrões em dados geológicos e geofísicos (gamaespectrométricos e magnéticos) da região de Serra Leste, Província Mineral de Carajás. O SOM é um método de Rede Neural Artificial não-supervisionada que realiza um mapeamento não-linear de um espaço de dados multidimensionais para um arranjo bidimensional, preservando as relações topológicas dos dados originais durante o processo. O algoritmoK-meansfoi aplicado ao mapa produzido pelo SOM para reduzir o número de padrões mapeados de forma a facilitar a interpretação. O mapa reclassificado foi associado à posição geográfica de cada ponto na área de estudo e comparada a outro mapa classificado pelo métodoFuzzy C-means, obtido com os mesmos dados de entrada e com o mesmo número de classes. Os resultados mostram a potencialidade do SOM para a produção de mapas integrados de maior qualidade a fim de dar suporte à exploração mineral.

Keywords :Província Mineral de Carajás; aerogeofísica; mapas auto-organizáveis; agrupamentoFuzzy; mapeamento do potencial mineral.

ABSTRACT

A Self-Organizing Map (SOM) was designed with the aim of integrating and searching for patterns in airborne geological and geophysical gamma-spectrometric and magnetic data of the Serra Leste region, Carajás Mineral Province. SOM is an unsupervised Artificial Neural Network method that performs a non-linear mapping from a high-dimensional data space to a 2-dimensional grid, whereas preserving the topological relations in the original data. The SOM grid can be efficiently used in an integrated visualization and understanding of the internal relationships in the data. The K-means algorithm is applied to the SOM grid to reduce the number of mapped patterns so as to facilitate interpretation. Unfolding of the clustered SOM grid associates each mapped pattern with the spatial position of each data point. The SOM reclassified map was compared with a classified map obtained with the Fuzzy C-means method for the same input data and with the same number of classes. The results show the potentiality of SOM in producing higher quality integrated maps to support mineral exploration.

Keywords :Carajás Mineral Province; airborne geophysics; self-organizing maps; fuzzy clustering; mineral potential mapping.