EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

EXPLICIT, IMPLICIT ТА AI-МОДЕЛЮВАННЯ В ГЕОЛОГІЇ: ПОРІВНЯЛЬНИЙ АНАЛІЗ І ПЕРСПЕКТИВИ ІНТЕГРАЦІЇ

Нікіта Храмов

Visnyk of the Lviv University Geology Series · 29.05.2026 · (40) · 94-102

DOI: 10.30970/vgl.40.09 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Visnyk of the Lviv University Geology Series, online erschienen am 29.05.2026. Verfasst von Нікіта Храмов. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Геологічне 3D моделювання є одним з ключових етапів інтерпретації геолого-фізичних даних, що забезпечує формування тривимірного уявлення про будову родовища, розміри та глибину залягання геологічних тіл, закономірності розподілу корисних копалин. У зв’язку зі стрімким розвитком цифрових технологій та зростанням обсягів геолого-фізичних даних виникає потреба у порівнянні традиційних і новітніх методів моделювання, а особливо аналізу їх ефективності під час інтерпретації результатів геологічних дослідженнях. У роботі здійснено порівняльний аналіз explicit- та implicit- підходів, а також продемонстровано можливості застосування AI-алгоритмів (алгоритмів штучного інтелекту) для автоматизації та оптимізації процесу моделювання. Особливу увагу приділено відмінностям у способах інтерпретації геолого-фізичних даних, рівню участі геолога у створенні моделей, а також швидкості та достовірності побудови геологічних поверхонь і об’ємних структур. Проаналізовано переваги та обмеження кожного підходу з позиції їх застосування у сучасних програмних середовищах геологічного моделювання (explicit-моделювання – Micromine, Surpac, Leapfrog Geo; implicit-моделювання – RBF (Radial Basis Function), Kriging, PFI (Potential Field Interpolation), Spline; AI-моделювання – SVM (Support Vector Machine), k-NN (k-Nearest Neighbors), Naive Bayes classifier (наївний байєсівський класифікатор), Gradient Boosting (Градієнтне підсилювання), Gaussian Processes (Гауссівський процес), CNN (Convolutional Neural Network), LSTM (Long Short-Term Memory)). Обґрунтовано доцільність інтеграції різних підходів у межах єдиного процесу геологічного моделювання. Поєднання інтерпретації геологом, алгоритмічних методів побудови поверхонь та інструментів штучного інтелекту дозволяє підвищити точність геологічних моделей, оптимізувати час їх створення та покращити якість прогнозування положення геологічних об’єктів. Такий інтегрований підхід розглядається як перспективний напрям розвитку цифрової геології та геологічного 3D моделювання родовищ.

Zitieren

APA

Храмов, Н. (2026). EXPLICIT, IMPLICIT ТА AI-МОДЕЛЮВАННЯ В ГЕОЛОГІЇ: ПОРІВНЯЛЬНИЙ АНАЛІЗ І ПЕРСПЕКТИВИ ІНТЕГРАЦІЇ. Visnyk of the Lviv University Geology Series, 94-102. https://doi.org/10.30970/vgl.40.09

Vancouver

Храмов Н. EXPLICIT, IMPLICIT ТА AI-МОДЕЛЮВАННЯ В ГЕОЛОГІЇ: ПОРІВНЯЛЬНИЙ АНАЛІЗ І ПЕРСПЕКТИВИ ІНТЕГРАЦІЇ. Visnyk of the Lviv University Geology Series. 2026:94-102. doi:10.30970/vgl.40.09

BibTeX
@article{2026,
  author = {Храмов, Нікіта},
  title = {EXPLICIT, IMPLICIT ТА AI-МОДЕЛЮВАННЯ В ГЕОЛОГІЇ: ПОРІВНЯЛЬНИЙ АНАЛІЗ І ПЕРСПЕКТИВИ ІНТЕГРАЦІЇ},
  journal = {Visnyk of the Lviv University Geology Series},
  year = {2026},
  number = {40},
  pages = {94--102},
  doi = {10.30970/vgl.40.09}
}
Kostenlos starten →