Introdução ao Geoprocessamento APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PROSPECÇÃO MINERAL Rosely Kimie Teruiya.

Apresentação em tema: "Introdução ao Geoprocessamento APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PROSPECÇÃO MINERAL Rosely Kimie Teruiya."— Transcrição da apresentação:

1 Introdução ao Geoprocessamento APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PROSPECÇÃO MINERAL Rosely Kimie Teruiya

2 INTELIGÊNCIA ARTIFICIAL Conjunto de técnicas de programação utilizado para resolver determinados tipos de problemas. Ela procura imitar, através dos programas que comandam estas máquinas, as formas de resolução de problemas do mesmo modo que o homem faz (Tafner et al., 1996).

3 REDES NEURAIS Técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência (Carvalho, 1999).

4 OBJETIVOS Discriminar áreas favoráveis às ocorrências minerais no Maciço Alcalino de Poços de Caldas, através da técnica de Redes Neurais. Comparar a eficiência do método com resultados obtidos em trabalhos anteriores.

5 ÁREA DE ESTUDO Mapa Geológico Maciço Alcalino de Poços de Caldas Localização da área N 05 km

6 SPRING 3.2 - DADOS DE ENTRADA LitológicoEstruturas Circulares Lineamentos Gama

7 SPRING 3.2 - DADOS DE SAÍDA Mapa de áreas potenciais gerado a partir da técnica Fuzzy Ponderado

8 ESCOLHA DA ÁREA DE TREINAMENTO E TESTE Área de treinamento Área de teste

9 SPRING 3.0 - VERSÃO ESPECIAL Conversão dos dados do Spring para formato SNNS

10 SNNS (STUTTGART NEURAL NETWORK SIMULATOR) TREINAMENTO - DEFINIÇÃO DA REDE

11 SNNS (STUTTGART NEURAL NETWORK SIMULATOR) ÁREA TOTAL

12 SPRING 3.O - Conversão dos dados SNNS Spring SPRING 3.2 - Mapa numérico Fatiamento Mapa temático Áreas com maior favorabilidade às ocorrências minerais

13 COMPARAÇÃO ENTRE MAPAS GERADOS PELAS REDES NEURAIS E FUZZY PONDERADO Aplicação do Método Bayesiano x REDES NEURAISFUZZY PONDERADO Grau de confiança = p(d/e) / p(d) p(d/e) - probabilidade à posteriore p(d) - probabilidade à priori Grau de confiança: 16,10Grau de confiança: 14.14

14 CONCLUSÕES A aplicação das técnicas de redes neurais mostraram-se eficientes na discriminação de áreas favoráveis à ocorrências minerais em comparação a resultados obtidos em trabalhos anteriores. Ainda existem muitas incertezas a respeito das técnicas de Redes Neurais. Cada problema deve ser entendido como uma particularidade, necessitando de várias tentativas até a obtenção de resultados satisfatórios.