Visão geral
O DORA permite a execução de múltiplos experimentos no mesmo ativo, variando recursos de entrada, tipos de depósito ou Pontos de Aprendizagem para testar diferentes hipóteses geológicas. No entanto, as decisões de posicionamento exigem uma única fonte de verdade para que sejam tomadas decisões.
A ferramenta Comparar e Combinar (Compare & Merge) permite avaliar esses experimentos lado a lado e combinar seus resultados em um único VPS Combinado. Em seguida, você pode gerar e avaliar alvos de exploração diretamente a partir desse resultado.
Observação: o DORA também inclui um recurso separado de Comparação de Experimentos, acessível na barra de ferramentas central dentro de um experimento. Esse recurso permite sobrepor dois ou mais resultados de VPS em um único Mapa de Previsão, mas não fornece estatísticas nem permite mesclar resultados em um único VPS.
Preparando experimentos
Antes de comparar e combinar experimentos, todos eles devem atender às seguintes condições:
Utilizar o mesmo recurso
Terem concluído a Etapa 4: Selecione os recursos de entrada (status: Recursos de entrada ou geração de alvo | Input Features or Target Generation)
Ser Publicado (Experimentos preliminares não são elegíveis)
Iniciando uma comparação e combinação
A ferramenta Comparar e Combinar pode ser acessada a partir da página inicial do DORA.
Na página principal do DORA, selecione as caixas de seleção ao lado de pelo menos dois experimentos que você deseja comparar e/ou combinar. O status deles deve ser "Recursos de Entrada" (Input Features) ou "Geração de Alvo" (Target Generation).
Clique em Comparar e Combinar (Compare & Merge) no canto superior direito:
O Painel de Experimentos (Experiment Dashboard) é aberto com os experimentos selecionados carregados.
Para adicionar ou remover experimentos do painel, use o botão +Adicionar (+Add) ou clique no x ao lado de qualquer etiqueta de experimento na parte superior do painel:
Comparando experimentos
A aba Comparar contém cinco sub abas. Cada uma oferece uma visão diferente de como seus experimentos se relacionam entre si.
Comparação de VPS
Mapas espaciais de VPS (Spatial VPS Maps)
Esta aba exibe o Mapa de Previsão para cada experimento selecionado lado a lado. Use o controle deslizante Limiar de VPS (VPS Threshold) abaixo de cada mapa para filtrar a exibição.
Use esta visualização para identificar diferenças espaciais entre experimentos — por exemplo, se uma mudança nos Recursos de entrada deslocou áreas de alta VPS ou produziu um padrão diferente na Área de Interesse (AOI).
Distribuições de VPS (VPS Distributions)
Este gráfico de linhas mostra a distribuição dos valores de VPS em todas as células da grade para cada experimento. Cada experimento é representado por sua própria linha.
Use esta visualização para ver onde a maioria dos seus valores de VPS estão se agrupando. Um pico estreito e acentuado significa que os valores estão concentrados em uma faixa restrita. Uma curva mais plana e ampla significa que os valores estão mais dispersos pela área de interesse (AOI).
Comparar o formato das linhas ajuda a avaliar se um experimento está produzindo uma diferenciação mais forte entre áreas de alta e baixa prospectividade do que outro.
Estatísticas de VPS
Tabela resumida das principais estatísticas para os valores de VPS de cada experimento. Para uma explicação completa de cada estatística, consulte Estatísticas resumidas abaixo.
Análise de desempenho
Esta aba exibe a matriz de detalhamento de desempenho para cada experimento selecionado, lado a lado.
Métrica | Definição |
F1 | Combina Precisão e Recall em um único indicador da confiabilidade geral do modelo. Um valor mais alto significa que o modelo está tendo um bom desempenho na identificação de áreas promissoras, evitando falsos positivos. |
ACC | Acurácia: A porcentagem de previsões corretas do modelo, considerando áreas mineralizadas e áreas estéreis. |
PREC | Precisão: a frequência com que o modelo acerta ao prever que uma localização é mineralizada. |
RECALL | Recall: quantas das localizações mineralizadas reais o modelo identificou com sucesso? |
Abaixo das métricas, a matriz de Análise de Desempenho mostra os quatro resultados de previsão para cada experimento:
Rótulo | Definição |
Verdadeiro Positivo (True Positive) | O modelo previu corretamente uma localização mineralizada. |
Falso Positivo (False Positive) | O modelo previu incorretamente uma localização mineralizada quando, na verdade, ela é estéril. |
Falso negativo (False Negative) | O modelo previu incorretamente um local estéril quando, na verdade, ele é mineralizado. |
Verdadeiro Negativo (True Negative) | O modelo previu corretamente um local estéril. |
Idealmente, os índices de verdadeiros positivos e verdadeiros negativos devem ser altos, enquanto os de falsos positivos e falsos negativos devem ser os mais baixos possíveis.
Use esta aba para comparar a confiabilidade do modelo entre os experimentos antes de decidir quais mesclar. Um experimento com um F1 significativamente menor ou uma taxa de falsos positivos maior pode contribuir com um sinal menos confiável para o VPS mesclado.
Para uma explicação completa dessas métricas e como interpretá-las, consulte Análise da precisão e desempenho das previsões.
Estatísticas resumidas
Esta aba exibe um gráfico de barras e uma tabela resumo das estatísticas de pontuação VPS para cada experimento.
O gráfico de barras de comparação de estatísticas (Statistics Comparison) representa cada estatística como barras agrupadas, com uma cor por experimento, para que você possa comparar experimentos em toda a gama de suas distribuições de pontuação de forma rápida e prática.
A tabela apresenta as seguintes estatísticas para cada experimento:
Estatística | Definição |
Cell Count (Contagem de células) | Número total de células da grade pontuadas no experimento |
Min | A pontuação VPS mais baixa registrada em todas as células da grade. |
P25 | 25% das células da grade pontuam com um valor igual ou inferior a este. |
Mediana | O valor médio — metade de todas as células da grade pontuam acima deste valor, metade abaixo deste. |
P75 | 75% das células da grade pontuam com um valor igual ou inferior a este. |
P90 | 90% das células da grade pontuam com um valor igual ou inferior a este — as células acima de P90 representam os 10% de maior potencial. |
Max | A pontuação VPS mais alta registrada em todas as células da grade. |
Mean (Média) | A pontuação média do VPS em todas as células da grade |
Padrão | Desvio padrão. Mostra o quanto os valores de VPS variam na área de interesse (AOI). Um valor mais alto significa maior dispersão entre os valores máximos e mínimos. |
Correlação VPS aos pares (Pairwise VPS Correlation)
Esta aba mostra o grau de similaridade entre cada par de experimentos, célula por célula, ao longo da grade compartilhada. As pontuações são codificadas por cores e variam de -1 a +1:
Valor | Definição |
1,00 | Os dois experimentos produzem pontuações relativas idênticas em toda a grade. |
0 | Não há relação entre as pontuações dos dois experimentos. |
-1 | Os experimentos produzem resultados opostos, onde um é alto e o outro é baixo. |
Cada experimento está perfeitamente correlacionado consigo mesmo, portanto a diagonal sempre mostra 1,00. Os valores significativos são as células restantes, cada uma mostrando a correlação entre um par de experimentos.
Uma correlação mais baixa sugere que os experimentos estão respondendo a diferentes entradas geológicas e podem produzir um VPS combinado mais informativo quando combinados. Uma correlação muito alta sugere que os experimentos são semelhantes e que a combinação deles pode agregar valor limitado.
Importância do Recurso (Feature Importance)
Esta aba mostra como os Recursos de Entrada contribuíram para as previsões de cada experimento, permitindo comparar a influência das variáveis entre os experimentos lado a lado.
Use o controle deslizante "Principais Recursos N" (Top N Features) para controlar quantos dos recursos de entrada mais bem classificados são exibidos nos gráficos abaixo.
Comparação da importância das características SHAP
Um gráfico de barras horizontais que mostra a porcentagem de contribuição SHAP para cada variável de entrada, com uma barra por experimento. Isso permite comparar diretamente o quanto cada variável influenciou as previsões nos experimentos selecionados.
Mapa de calor da importância dos recursos (Feature Importance Heatmap)
Uma tabela com código de cores mostrando os mesmos dados de Contribuição Percentual do SHAP em formato de grade. Cores mais quentes indicam uma contribuição maior. Um valor de 0,0 significa que a característica não teve influência naquele experimento ou não foi incluída como um recurso de entrada.
Em conjunto, essas duas perspectivas ajudam a identificar quais recursos de entrada estão impulsionando seus resultados e se esse padrão é consistente entre os experimentos, ou se diferentes experimentos estão respondendo a diferentes sinais geológicos.
Para uma explicação completa dessas métricas e como interpretá-las, consulte Importância do Recurso.
Combinando Experimentos
A aba Combinar (Merge) é onde você configura e executa a fusão de experimentos. Dois métodos estão disponíveis:
Método 1: Gaussiano Bayesiano (Bayesian Gaussian)
O método recomendado. O método Gaussiano Bayesiano é um método estatístico que aprende com os Pontos de Aprendizagem (Learning Points) em cada um dos experimentos selecionados.
O método analisa os valores de VPS em locais positivos e negativos conhecidos em todos os experimentos selecionados e usa essas informações para determinar o peso que o modelo de cada experimento deve ter no VPS combinado final.
Modelos que separam mais claramente locais prospectivos de locais não prospectivos têm maior influência no resultado combinado.
Para combinar usando o método Gaussiano Bayesiano:
Selecione Bayesian Gaussian no menu suspenso de opções de mesclagem.
Consulte os cartões de resumo dos Pontos de Aprendizagem (Learning Points) para confirmar a configuração de cada experimento.
Em Configurações Avançadas, defina o valor do Saldo (negativo/positivo).
Essa configuração controla a proporção de Pontos de Aprendizagem negativos para positivos usados no modelo. Como a maioria dos conjuntos de dados possui muito mais Pontos de Aprendizagem negativos do que positivos, a ferramenta subamostra a categoria negativa para equilibrá-la. O valor padrão de 1,2 significa 1,2 vezes mais negativos do que positivos e é um ponto de partida confiável para a maioria dos conjuntos de dados. Aumentar esse valor ajusta o modelo mais para a categoria negativa, o que pode afetar os resultados da previsão.
Clique em Mesclar experimentos (Merge Experiments).
Método 2: Média Simples (Simple Average)
Este método calcula uma média ponderada dos valores de VPS de cada experimento selecionado na grade compartilhada. Pesos iguais produzem uma média simples verdadeira. Você pode ajustar os controles deslizantes para dar mais ênfase a um experimento do que a outro.
Para combinar usando o método da Média Simples:
Selecione “Média Simples” (Simple Average) no menu suspenso Opções de mesclagem (Merge options).
Em "Pesos dos Experimentos" (Experiment Weights), ajuste o controle deslizante para cada experimento. O peso padrão é 1,0 para todos os experimentos.
O gráfico de barras de Peso Normalizado (Normalised Weight) é atualizado em tempo real para mostrar a contribuição proporcional de cada experimento.
Clique em Mesclar experimentos (Merge Experiments).
Analisando os resultados da mesclagem
Após a conclusão da mesclagem, a aba Mesclar (Merge) exibe os Resultados do Treinamento.
Coluna | Definição |
Precisão do treinamento do novo modelo (New Model Training Accuracy) | Com que precisão o modelo combinado classificou os Pontos de Aprendizagem positivos e negativos? Um valor mais alto indica um sinal mais forte e consistente em todos os experimentos de entrada. |
Intensidade do sinal (Signal Strength) | Quão bem esse experimento separa áreas promissoras de áreas não promissoras. Um valor mais alto significa um sinal mais claro. |
Peso (Weight) | A parcela de influência que o modelo do experimento contribui para o VPS combinado. |
Pontuação média (Positiva) | Avg Score (Pos) | O valor médio de VPS em locais de Pontos de Aprendizagem positivos para esse experimento. |
Pontuação média (negativa) | Avg Score (Pos) | O valor médio de VPS em locais de Ponto de Aprendizagem negativos para esse experimento. |
Clique em "Ver resultados" (See results) no banner para visualizar a aba "Resultados" (Results) completa.
Resultados (Results)
A aba Resultados (Results) exibe seu VPS mesclado e permite extrair alvos de exploração.
As seguintes estatísticas são apresentadas na parte superior da página:
Estatística | Definição |
Contagem de células (Cell Count) | Número total de células da grade no VPS mesclado |
P90 VPS | A pontuação VPS acima da qual apenas os 10% melhores das células da grade se enquadram. |
P75 VPS | A pontuação VPS acima da qual se enquadram os 25% melhores das células da grade. |
VPS mediano (Median VPS) | O valor médio em todas as células da grade |
O Mapa Espacial Unificado (Merged Spatial Map) exibe seu VPS Unificado. Use o controle deslizante Limiar de VPS (VPS Threshold) abaixo dele para filtrar a exibição.
O gráfico de distribuição de pontuação mostra a dispersão das pontuações VPS combinadas, com as distribuições dos experimentos de entrada individuais sobrepostas como linhas para referência.
Extração de alvos (Target Extraction)
Utilize a seção Extração de Alvos (Target Extraction) para gerar alvos de exploração a partir do VPS Combinado usando agrupamento espacial.
Defina o Limite de VPS (VPS Threshold) para definir o valor mínimo de VPS que uma célula da grade deve ter para ser incluída.
Defina o “Raio de Busca (tamanho da célula x)” [Search Radius (x cell size)] para controlar a distância que o agrupamento leva de células próximas com pontuação alta a um único alvo.
Defina o número mínimo de células por alvo (Min Cells Per Target) para definir a quantidade mínima de células da grade necessárias para formar um alvo.
Clique em Gerar grupos-alvo (Generate Target Groups):
Para uma explicação completa dos Grupos-Alvo no DORA, consulte Criar grupos-alvo.
Resultados Alvo (Target Results)
Após clicar em Gerar Grupos-Alvo, as seguintes estatísticas resumidas serão exibidas:
Estatística | Definição |
Alvos (Targets) | Número total de grupos-alvo gerados |
VPS médio (Avg VPS) | A média de VPS em todos os alvos gerados |
Maior alvo (Largest Target) | O número de células da grade no maior grupo-alvo |
Agosto Antes da Profundidade (Avg Pred Depth) | Profundidade média prevista para todos os alvos |
Gráfico de risco/recompensa (Risk/Reward)
Cada alvo é representado por uma bolha no gráfico de risco/recompensa (Risk/Reward):
Eixo Y - Recompensa (VPS consolidada): VPS consolidada para esse alvo. Um valor mais alto indica maior potencial.
Eixo X - Risco (Incerteza Combinada do VPS): Incerteza combinada do VPS para esse alvo. Uma incerteza menor indica que a previsão tem melhor respaldo. Saiba mais sobre incertezas no DORA.
Tamanho da bolha: Área do alvo.
Cor da bolha: Classificação de prioridade:
Muito alto (verde)
Alto (laranja)
Médio (amarelo)
Baixo (cinza)
Os alvos na parte superior esquerda do gráfico apresentam alta prospectividade e baixa incerteza — esses são os seus alvos de exploração prioritários.
Clique em Mapa (Map) para visualizar os mesmos alvos sobrepostos ao Mapa de Previsão de VPS Combinado.
Clique em qualquer alvo para destacar sua média de VPS, contagem de células da grade e variância na tabela de Estatísticas do Alvo.
Tabela de Estatísticas Alvo
Coluna | Definição |
Classificação (Rank) | Ordem de prioridade de destino, com base na pontuação e tamanho do VPS. |
Prioridade (Priority) | Classificação por categoria: Muito Alta, Alta, Média ou Baixa |
Células (Cells) | Número de células da grade no alvo |
Área (m²) | Área física do alvo |
Centróide X / Y | Ponto central geográfico do alvo |
VPS médio (Mean VPS) | VPS mesclados médios dentro do alvo |
Max VPS | Maior número de VPS consolidadas registradas dentro da meta |
VPS padrão (Std VPS) | Quanto os valores de VPS mesclados variam dentro do alvo |
Incerteza média (Mean Uncertainty) | Incerteza média de VPS consolidada dentro do alvo |
Profundidade prevista | Pred Depth (m) | Profundidade média prevista de mineralização dentro do alvo |
Salvar e Exportar
Para salvar seu VPS mesclado no ativo:
Clique em Salvar (Save) no canto inferior direito da guia Resultados (Results):
Dê um nome (Name) ao seu VPS mesclado para que seja fácil identificá-lo e clique em Salvar (Save):
Retorne à página inicial do DORA. No canto superior direito, selecione "Mesclado" (Merged) para ver os resultados na lista:
Observação: os resultados salvos da fusão de VPS ficam visíveis para todos os usuários da empresa com acesso ao VRIFY Predict.
Para exportar seu VPS mesclado para uso em SIG ou outras ferramentas:
Clique em Exportar (Export) CSV ou Baixar (Download) ERS no canto inferior direito da guia Resultados:
O arquivo será baixado automaticamente para sua área de trabalho. Observe a convenção de nomenclatura.ensemble_VPS_[número].
O arquivo .csv contém as colunas X, Y, pred_z_merged, VPS_merged, VPS_merged_uncertainty e target.
Dicas e Considerações
Para obter o modelo Ensemble VPS mais informativo, considere combinar experimentos com uma Correlação VPS entre Pares (Pairwise VPS Correlation) mais baixa. Experimentos altamente correlacionados podem agregar valor limitado quando combinados.
O método Gaussiano Bayesiano é baseado em dados e recomendado na maioria dos casos, uma vez que a ponderação do modelo de cada experimento é determinada por sua capacidade de discriminar áreas promissoras de áreas não promissoras.
Ao usar a Média Simples (Simple Average), ponderações iguais são um ponto de partida razoável. Ajuste as ponderações se houver uma razão geológica para favorecer um experimento em detrimento de outro.
As configurações de Extração de Alvos (Target Extraction) afetarão o número e o tamanho dos alvos gerados. Comece com os valores padrão e ajuste-os de acordo com seu contexto geológico e escala de interesse.
Saber mais
Ainda tem dúvidas?
Entre em contato com seu representante DORA ou envie um e-mail para support@vrify.com para obter mais informações.

















