Prédictivité minérale – Evolutions méthodologiques au BRGM

Abstract : Depuis plusieurs années, le BRGM développe des méthodes pour i) minimiser les conséquences de l’imprécision du positionnement géographique des objets et ii) prendre en compte l’incomplétude des attributs retenus pour les calculs en cartographie prédictive. Ces méthodes sont basées sur les fréquences d’apparition et les associations de valeurs de variables pour résoudre différentes difficultés liées aux méthodes classiques de cartographie de la favorabilité (e.g. Weight of Evidence) en se basant sur un noyau d'apprentissage, défini à partir d'un set d'occurrences de référence, à partir duquel on va rechercher les objets présentant des signatures similaires dans la zone d’étude. La première méthode est le « Data Base Querrying » (DBQ). Elle est basée sur l'étude de la distribution des éléments métalliques décrite dans une base de données d'occurrences minérales. Après reclassement en familles métallogéniques, la probabilité de présence d'un l'élément rare, de type métal critique (e.g. Ge, Ga, In), est calculée par rapport aux fréquences des éléments métalliques majeurs décrits dans la BD (e.g. Pb, Zn, Ag, Cd,…) pour l’ensemble des occurrences de la même famille. Pour chaque indice, un degré de ressemblance avec la signature polymétallique de référence en éléments majeurs est quantifiée (ranking) pour identifier les gisements dont la signature polymétallique est favorable à la présence de l'élément rare recherché, dans des gisements où il n'est pas mentionné/analysé. La seconde méthode est la « Cell Based Association » (CBA). Elle est basée sur le découpage régulier de la zone d’étude en cellules et l’identification, pour chaque cellule, de l'association des valeurs prises par l'ensemble des variables sous forme de présence (1) ou absence (0). A partir de ce jeu de données, deux procédures permettent de déterminer des zones prospectives : 1. une procédure utilisant la CAH (Classification Ascendante Hiérarchique) qui permet de classer les associations présentes dans les cellules, puis d’identifier la ou les familles associées aux objets recherchés pour les sélectionner sur l'ensemble de la zone d'étude ; 2. une procédure consistant à calculer un ranking à partir des associations présentes dans le set d'apprentissage afin de mesurer la similitude ou la proximité de chaque cellule avec ce set. Plusieurs calculs de ranking sont possibles, soit à partir des fréquences de présence de chaque paramètre (=DBQ) dans les cellules du set d'apprentissage, soit à partir du comptage des associations du set d’apprentissage dans toutes les cellules de la zone d'étude. Cette démarche permet d'obtenir des scores différenciés sur les cellules prospectives et donc de les classer. Le principe du découpage de la zone d’étude en cellules rend la procédure CBA moins sensible au positionnement des points de référence et à la précision des contours des polygones.
Type de document :
Communication dans un congrès
Resources & Innovative Geology (RIG 2016), Apr 2016, Montpellier, France. 2016
Liste complète des métadonnées

https://hal-brgm.archives-ouvertes.fr/hal-01290773
Contributeur : Bruno Tourliere <>
Soumis le : vendredi 18 mars 2016 - 15:06:50
Dernière modification le : samedi 30 avril 2016 - 01:07:05
Document(s) archivé(s) le : dimanche 19 juin 2016 - 23:50:06

Fichiers

PresDBQ_CBA2016.pdf
Fichiers produits par l'(les) auteur(s)

Licence


Distributed under a Creative Commons Paternité - Pas d'utilisation commerciale 4.0 International License

Identifiants

  • HAL Id : hal-01290773, version 1

Collections

Citation

Bruno Tourliere, Mario Billa. Prédictivité minérale – Evolutions méthodologiques au BRGM. Resources & Innovative Geology (RIG 2016), Apr 2016, Montpellier, France. 2016. 〈hal-01290773〉

Partager

Métriques

Consultations de la notice

72

Téléchargements de fichiers

30