Постановка задачи
Цель: автоматизация распознавания ключевых признаков тектонической активизации с использованием ансамбля ML-моделей на основе данных магнитного и гравитационного полей.
Подход
Обучающая выборка формируется через результаты инверсии, после чего выделяются объекты классификации и оценивается качество. Для решения использовались 40 моделей XGBoostClassifier, 20 моделей LGBMClassifier и 10 моделей CatBoostClassifier. На конечном этапе выходы ансамбля передавались в LogisticRegression.
Технологии и методы
Результат
Более 85% точности при идентификации крупных магматических тел, подтвержденных геологическими реперами региона.
Оценка качества
Обучающая выборка формируется на основе результатов инверсии. Для оценки классификации используется взвешенная F1-мера: она учитывает дисбаланс классов и соотношение точности и полноты распознавания аномалий. Геологические реперы региона служат опорой для проверки выделенных крупных магматических тел.
Материалы проекта
Из авторского портфолио
