As pontuações de recomendação DORA são um ponto de partida útil que reflete as prioridades de aprendizado de máquina, mas não o contexto geológico. Os melhores conjuntos de recursos combinam ambos: pontuações baseadas em dados e sua compreensão do depósito, da qualidade dos dados e do contexto de exploração.

Para uma explicação completa de como as pontuações são calculadas, consulte Como o DORA 2.0 avalia os recursos de entrada.

Mais recursos não significam necessariamente melhor desempenho. O DORA utiliza por padrão 64 recursos recomendados, mas você não precisa usar todos os espaços disponíveis. Na prática, 20 a 30 camadas bem escolhidas produzem modelos robustos de forma consistente. Muitas vezes, começar com os 24 ou 32 recursos recomendados é uma abordagem razoável para um experimento inicial.

Não inclua o elemento alvo como um recurso de entrada. Usar o mesmo elemento como limiar de aprendizado e como raster de entrada cria uma lógica circular e infla os resultados sem agregar valor preditivo genuíno (veja a Etapa 1 abaixo).

Uma pontuação zero não significa que uma camada seja inútil. Um motivo comum para uma pontuação zero é a cobertura parcial da área de interesse (AOI). Se um conjunto de dados cobre seus pontos de aprendizado e os limites da propriedade, ainda pode valer a pena incluí-lo.

Pontuações altas tendem a favorecer dados amplos e de menor resolução. Rasters com cobertura completa da área de interesse (AOI) e sinais de comprimento de onda mais longo tendem a obter boas pontuações. Isso faz sentido estatisticamente, mas pode significar que levantamentos locais de alta resolução sejam subestimados. Leve isso em consideração ao revisar as recomendações.

Realizar três experimentos sequenciais (adicionando uma nova categoria de dados a cada iteração) pode ajudar a identificar os alvos mais robustos e a entender a contribuição de cada conjunto de dados para a previsão.

Os alvos que aparecem consistentemente em todas as três iterações são os candidatos de maior confiança.

Na primeira etapa, utilize apenas dados objetivos de cobertura contínua, incluindo camadas geofísicas e lineamentos derivados de produtos geofísicos.

Aceite as recomendações de DORA como ponto de partida, mas exclua quaisquer rasters de rochas que correspondam aos elementos-alvo usados ​​em seus pontos de aprendizado, pois estes criam uma lógica circular. Além disso, exclua conjuntos de dados de solo com baixo controle de qualidade nesta etapa, pois anomalias nessas camadas podem refletir grades auxiliares interferindo na previsão geoquímica, em vez de um sinal genuíno.

Incorpore camadas geoquímicas e compare os resultados com a sua linha de base.

Na terceira etapa, adicione camadas interpretativas de geologia, como estruturas mapeadas, mapas de distância litológica e características semelhantes.

Note que nem todas as camadas geológicas possuem o mesmo nível de confiabilidade; uma falha mapeada com precisão é uma informação muito diferente de um limite geológico público regional. Certifique-se de considerar como cada camada foi produzida e se ela é apropriada para a escala da sua área de interesse antes de incluí-la.

Entre em contato com seu representante DORA ou envie um e-mail para support@VRIFY.com para obter mais informações