Ensemble ML

Автоматизированная классификация магнитных и гравитационных аномалий

Енисей-Хатангский региональный прогиб · Таймыр

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

XGBoostLightGBMCatBoostLogisticRegressionF1-score

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.

← Все рабочие задачи