Ứng dụng học máy và phương pháp Kriging trong nghiên cứu địa chất mỏ đất hiếm dạng hấp phụ ion

Tóm tắt

Mỏ đất hiếm dạng hấp phụ ion là loại hình khoáng sản có giá trị chiến lược, phân bố phổ biến trong các vỏ phong hóa tại vùng nhiệt đới ẩm. Tuy nhiên, việc đánh giá tài nguyên và phân vùng triển vọng đối với kiểu mỏ này còn gặp nhiều thách thức do đặc điểm phân bố phức tạp và dữ liệu thực địa hạn chế. Trong nghiên cứu này, các phương pháp hiện đại gồm nội suy địa thống kê Kriging và mô hình học máy như Random Forest (RF) và Support Vector Machine (SVM) đã được tích hợp để phân tích dữ liệu địa hóa và mô hình hóa phân bố tài nguyên đất hiếm (REE) trên diện tích khảo sát 10 km².

Trên cơ sở 30 điểm mẫu thực nghiệm và lưới dữ liệu mô phỏng gồm 10.000 điểm, các mô hình học máy đã được huấn luyện để xác định vùng triển vọng theo hàm lượng REE_sum. Kết quả phân vùng cho thấy khu vực trung tâm có xác suất triển vọng cao, được cả hai mô hình RF và SVM đồng thuận. Phép nội suy Kriging cho thấy phân bố hàm lượng REE giảm dần từ trung tâm ra rìa với mức độ liên tục không gian cao. Dữ liệu cũng được chia theo block 500 m × 500 m để tính toán tài nguyên, với tổng tài nguyên ước tính đạt khoảng 11.300 tấn REE, chủ yếu tập trung tại các block trung tâm. Mô hình khối 3D đã được xây dựng nhằm hỗ trợ trực quan hóa và định hướng khai thác.

Nghiên cứu này khẳng định hiệu quả của việc tích hợp phương pháp Kriging và các mô hình học máy (machine learning models) trong mô hình hóa không gian và đánh giá tài nguyên mỏ đất hiếm hấp phụ ion. Kết quả không chỉ có ý nghĩa phương pháp mà còn mang giá trị khoa học và thực tiễn, góp phần định hướng các nghiên cứu và điều tra tài nguyên đất hiếm (REE_sum) tại Việt Nam trong thời gian tới.