KR100988609B1

KR100988609B1 - 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템 및 이를 이용한 광상 부존 예측방법

Info

Publication number: KR100988609B1
Application number: KR1020100018889A
Authority: KR
Inventors: 이사로; 오현주
Original assignee: 한국지질자원연구원
Priority date: 2010-03-03
Filing date: 2010-03-03
Publication date: 2010-10-19

Abstract

본 발명은 광상 부존 예측시스템 및 예측방법에 관한 것으로, 광상의 위치 및 지화학, 지질자료등의 지질정보를 제공하는 광상 정보 데이터베이스; 상기 광상 정보 데이터베이스에서 제공되는 지질정보를 바탕으로 지공간 상관관계를 통합분석하는 지공간 상관관계 통합분석부; 상기 지공간 상관관계 통합분석부에서 분석된 정보를 바탕으로 광상 부존 예측도와 통합예측도를 작성하는 작성부; 광상위치를 이용하여 광상 부존 예측도 및 통합예측도의 정확도를 정량적으로 검증하는 검증부; 모든 결과를 비교하기위한 결과 도출부;를 포함하여 이루어지는 것을 특징으로 한다.
본 발명에 따르면, 광상의 위치정보와 지질 및 지화학 정보를 이용하여 우도비분석, WOE분석, 로지스틱회귀분석, 인공신경망분석을 수행할 수 있는 분석부를 이용한 지공간 상관관계 분석을 적어도 1 회 이상 수행할 수 있도록 하여, 이를 통해 정확한 광상 부존 예측도를 제공할 수 있는 효과가 있다.

Description

지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템 및 이를 이용한 광상 부존 예측방법{Mineral Deposit Prediction System and Predicting Method using the same}

본 발명은 지식경제부의 연구과제인 "GIS 기반 국토지질정보시스템 실용화 기술 개발"의 연구결과의 일안으로, 광상 부존 지역을 예측하는 예측시스템 및 이를 이용한 광상 부존 예측 방법에 관한 것이다.

현재 자원수요 증가에 따른 가격 급등과 향후 지속될 자원민족주의의 가능성이 높아짐에 따라 자원 소비국들은 자원 확보를 둘러싼 국가 간 경쟁이 진행될 상황에 놓여있다. 따라서 자원 소비국들은 국가 발전과 직결되는 광물자원 확보를 위해 자원 외교를 펼치고 있다. 우리나라 역시 첨단산업의 급속한 발전으로 금속자원의 수요가 지속적으로 증가하고 있으나, 국내 광업은 1990년대 이후 모든 광상이 폐광 또는 휴광된 상태이다. 또한 새로운 광상 모델에 대한 탐사활동 부재로 신규 광상개발은 거의 전무한 상태이다. 이러한 상황으로 우리나라는 산업에 필요한 대부분의 금속자원을 수입에 의존하고 있으며, 이는 국내 자원개발의 중요성을 부각시키고 있다.

이처럼, 자원의 확보를 위하여 선행되어야 할 점은 자원 부존 유망지의 예측방법이 확보되는 것이며, 이는 지질 정보의 분석을 통해 구현될 수 있는바, 지질현상과 관련된 정보를 효과적으로 찾고, 복잡한 특성을 지닌 지공간 요소들과의 상관관계를 파악하기 위해 지리정보시스템(GIS)이 필요하게 된다.

도 1은 일반적인 지리정보시스템(GIS)을 도시한 개념도로써, 이를 참조하면, GIS는 방대한 지공간 자료의 효율적인 저장, 관리 및 통합분석을 위한 강력한 도구이자 전문가들의 의사결정을 지원해주는 역할을 한다. 하지만 GIS는 대용량의 다차원 자료에 내재되어 있는 사건발생과 관련된 공간적인 관련성을 파악하거나 미래의 사건발생을 예측할 수 있는 기능이 미흡하다. 그래서 지공간과 관련된 다양한 분야에서는 공간데이터베이스 내에 잠재되어 있는 정보와 공간적 상관관계 및 패턴을 효율적으로 찾아내고 미래의 사건발생을 예측하기 위해 GIS를 이용한 확률, 통계, 패턴인식 기법을 사용하고 있다.

즉, 기존의 다양한 분석기법들은 종속변수(사건자료)와 독립변수(입력자료)들 간의 1차 분석을 통한 상관계수 또는 가중치를 계산하고 이를 이용한 사건발생 예측도 작성이었다. 각 기법을 통해 도출된 결과도의 예측 정확도를 판단하기 위해 검증작업이 수행된다. 하지만 최대 예측 정확도를 보이는 결과도라 할지라도 기법의 종류 및 특성에 따라 정확도 향상에는 어느 정도 한계가 있다.

따라서 이러한 지리정보시스템을 이용하여, 특정 지역에 존재하는 광물의 부존지를 정확하게 예측하는 데에는 한계가 있으며, 이러한 한계점은 다변하는 광물자원의 확보와 개발에 있어 저해 요인으로 작용하고 있다.

본 발명은 상술한 문제를 해결하기 위하여 안출된 것으로, 본 발명의 목적은 광상의 위치정보와 지질, 지화학 정보를 이용하여 우도비분석, WOE분석, 로지스틱회귀분석, 인공신경망분석을 수행할 수 있는 분석부를 이용한 지공간 상관관계 분석을 적어도 1 회 이상 수행할 수 있도록 하여, 이를 통해 정확한 광상 부존 예측분석을 수행할 수 있는 예측시스템을 제공하는 데 있다.

상술한 과제를 수행하기 위한 수단으로서, 본 발명은 광상 부존 예측시스템에 있어서, 광상위치, 지질, 지화학 원소 분포 등의 지질정보를 제공하는 광상 데이터베이스; 상기 광상 데이터베이스에서 제공되는 요인들을 바탕으로 지공간 상관관계를 통합분석하는 지공간 상관관계 통합분석부; 상기 지공간 상관관계 통합분석부에서 분석된 정보를 바탕으로 광상 부존 예측도와 통합예측도를 제공하는 광상 부존 예측도 작성부; 상기 광상위치를 이용하여 광상 부존 예측도의 정확도를 정량적으로 검증하는 검증부; 모든 결과의 비교를 위한 결과 도출부;를 포함하여 이루어지는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템을 제공할 수 있도록 한다.

특히, 상기 광상정보데이터베이스는, 분석대상지역의 광상분포도를 이용하여 광상의 종류 및 위치정보를 공간데이터베이스화한 광상자료데이터베이스; 분석대상지역의 지화학 샘플을 이용하여 지화학원소의 공간적 분포에 대한 정보를 제공하는 지화학 데이터베이스; 분석대상지역의 지질도에서 추출한 지질 및 단층 등의 요인을 공간데이터베이스화한 지질 데이터베이스;를 포함하여 이루어질 수 있도록 한다.

또한, 본 발명에 따른 시스템에서, 상기 지공간 상관관계 통합분석부는, 상기 광상 부존과 관련된 모든 요인들을 제공하는 광상정보데이터베이스에서 제공하는 광상 발생위치를 종속변수로 하고, 지화학 및 지질정보 등의 자료를 독립변수로 이용하여, 관측된 광상 부존과 관련된 요인들 간의 상관관계를 분석하여 광상 부존 확률을 예측하는 우도비분석부; 광상 부존과 관련 요인들 간의 등급별 가중치를 분석하는 WOE(weight of evidence)분석부; 입력자료인 독립변수와 사건자료인 종속변수의 로지스틱회귀 상관계수를 분석하는 로지스틱회귀분석부; 광상 부존지역과 광상 미부존지역을 역전파 알고리즘을 통해 요인별 가중치를 분석하는 인공신경망분석부; 중 어느 하나 이상을 포함하여 이루어질 수 있다.

또한, 상술한 구성에 더하여, 본 발명에 따른 상기 지공간 상관관계 통합분석부는, 상기 우도비분석부, WOE(weight of evidence)분석부, 로지스틱회귀분석부, 인공신경망분석부, 중 어느 하나 이상을 포함하여 이루어지는 제1차 내지 n차 예측분석부를 포함하여 구성되되, 제n차 예측분석부는 제(n-1)차 예측분석부와 동일한 구성을 구비하며, 상기 제(n-1)차 예측분석부에서 제공되는 결과값을 제n차 예측분석부의 독립변수로 하여 분석대상지역의 광상위치 종속변수와 각각 다시 분석하는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템으로 구축할 수 있다(단, n은 2 이상의 자연수).

상술한 시스템을 이용하여 다음과 같은 단계로 구성되는 광상 부존 예측방법을 구현할 수 있다.

구체적으로는, 광상 부존 예측분석을 수행하는 분석대상지역의 광상 부존과 관련된 요인인 지질 및 지화학 자료 등을 공간데이터베이스로 구축하는 1단계; 상기 공간데이터베이스에 구축된 광상위치와 관련된 요인들간의 지공간 상관관계를 통합분석하는 2단계; 상기 2단계의 분석정보를 이용하여 광상 부존 예측도와 통합예측도를 작성하는 3단계; 2와 3단계에서 도출된 광상 부존 예측도와 통합예측도의 정량적인 정확도를 검증하는 4단계; 3단계와 4단계의 광상부존예측도, 통합예측도, 정량적인 정확도의 결과를 비교하기 위한 최종 결과값을 도출하는 5단계;를 포함하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측방법을 구현할 수 있다.

이 경우, 상기 2단계는, 광상의 위치정보를 종속변수로 하고, 지화학 및 지질정보를 독립변수로 하여, 우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망 분석 중 어느 하나 이상의 분석을 수행하여 광상 부존 예측도를 분석하는 단계로 형성할 수 있다.

또한, 상기 2단계에서 도출된 광상 부존 예측도를 독립변수로하고, 2단계에서 입력된 종속변수를 재차 이용하여, 우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망분석, 중 어느 하나 이상의 분석을 수행하여 광상 부존 예측도를 분석하는 과정을 적어도 2회 이상 수행되도록 하는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 통합예측방법으로 구현하는 것도 가능하다.

본 발명에 따르면, 광상의 위치정보와 지질 및 지화학 정보를 이용하여 우도비분석, WOE분석, 로지스틱회귀분석, 인공신경망분석, 그밖에 다양한 모델분석을 수행할 수 있는 분석부를 이용한 분석을 적어도 2 회 이상 수행할 수 있도록 하여, 이를 통해 정확한 광상 부존 예측도를 제공할 수 있는 효과가 있다.

도 1은 종래의 GIS의 구성을 개념적으로 도시한 예시도이다.
도 2a는 본 발명에 따른 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템의 구성도를, 도 2b 및 도 2c는 본 발명에 따른 광상 정보 데이터베이스의 구성예를, 도 2d는 본 발명에 따른 광상 부존 예측지역의 지형도를 예시한 것이다.
도 2e 및 도 2f는 광상 부존과 관련있는 모든 요인들을 공간데이터베이스로 구축한 결과를 도시한 것이다.
도 3a 및 도 3b는 본 시스템의 지공간 상관관계 통합분석부의 구성을 도시한 것이다. 도 3c는 지공간 상관관계 통합분석을 이용한 광상 부존 예측분석의 흐름을 도시한 것이며, 도 3d는 우도비를 이용한 광상 부존 예측도를, 도 3e~도 3f는 광상 부존 예측과 관련한 요인들의 우도비 및 weight of evidence를 나타낸 표이다.
도 3g는 weight of evidence를 이용한 광상 부존 예측도를 도시한 것이며, 도 3h는 광상 부존과 관련된 요인들의 로지스틱회귀 상관계수를 도시한 것이다. 도 3i는 로지스틱 회귀분석을 이용한 광상 부존 예측도를 도시한 것이다.
도 3j는 광상 부존과 관련 요인들의 인공신경망 가중치를 도시한 표이며, 도 3k는 인공신경망을 이용한 광상 부존 예측도를 도시한 것이다.
도 3l은 광상 부존 관련 요인들의 통합우도비 및 통합 weight of evidence를 도시한 것이다.
도 3m은 광상 부존 관련 요인들(1차 분석한 우도비, WOE, 로지스틱회귀분석, 인공신경망 분석을 통해 작성된 광상 부존 예측도)의 통합 인공신경망 가중치를 도시한 것이다.
도 4a는 우도비를 이용한 광상 부존 통합예측 (2차 분석) 결과도를 도시한 것이며, 도 4b는 weight of evidence를 이용한 광상 부존 통합예측 (2차 분석) 결과도를 나타낸 것이며, 도 4c는 로지스틱 회귀분석을 이용한 광상 부존 통합예측 (2차 분석) 결과도를 도시한 것이다. 그리고 도 4d는 인공신경망을 이용한 광상 부존 통합예측 (2차 분석) 결과도를 도시한 것이다.
도 5a는 1차 단일분석의 광상 부존 예측도의 정확도를 나타낸 것이며, 도 5b는 지공간 상관관계 통합분석의 광상 부존 통합예측도의 정확도를 도시한 것이며, 도 5c는 1차 단일분석과 2차 통합분석의 광상 부존 예측도와 통합예측도의 정확도를 비교한 것이다.

이하에서는 첨부한 도면을 참조하여 본 발명에 따른 구성 및 작용을 구체적으로 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성요소는 동일한 참조부여를 부여하고, 이에 대한 중복설명은 생략하기로 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 발명은 지공간 상관관계 통합기법을 이용한 광상부존 예측시스템을 제공하며, 특히 우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망, 그밖에 다양한 모델분석 중 어느 하나 이상의 분석을 수행하여 광상부존 발생 예측도를 분석하거나, 1차 분석된 결과를 재차 반복 분석하도록 하여 예측의 정확도를 높일 수 있는 것을 그 요지로 한다.

도 2a를 참조하면, 이는 본 발명에 따른 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템(이하, '본 시스템'이라 한다.)의 구성도를 나타낸 것이다.

본 발명에 따른 본 시스템은 광상의 위치 및 지화학, 지질자료 등의 지질정보를 제공하는 광상 정보 데이터베이스(100), 상기 광상 정보 데이터베이스에서 제공되는 지질정보를 바탕으로 지공간 상관관계를 통합분석하는 지공간 상관관계 통합분석부(200), 그리고 상기 지공간 상관관계 통합분석부에서 분석된 광상 부존 예측도와 통합예측도를 작성하는 작성부(300), 상기 광상위치를 이용하여 광상 부존 예측도와 통합예측도의 정확도를 정량적으로 검증하는 검증부(400) 및 이의 결과들의 비교를 위한 결과 도출부(500)를 포함하여 구성될 수 있다.

특히, 상기 광상 정보 데이터베이스(100)는, 도 2b와 같이 광상 부존에 대한 위치 및 지질, 지화학 정보를 분류한 데이터베이스군으로 형성될 수 있다. 구체적으로는, 분석대상지역의 광상분포도를 이용하여 광상의 종류 및 위치정보를 공간데이터베이스화한 광상 정보 데이터베이스(110)를 구비할 수 있으며, 나아가 분석대상지역의 지화학분포도를 이용하여 As, Cu, Mo, Ni, Pb, Zn 등의 지화학원소의 종류에 대한 정보를 공간데이터베이스화한 지화학 데이터베이스(120)나, 분석대상지역의 지질도에서 추출되는 지질 및 단층자료를 공간데이터베이스화하는 지질 데이터베이스(130)를 더 포함하여 구성될 수 있다.

도 2c 및 도 2d를 이용하여 상술한 본 시스템을 이용하여 특정 지역에 대한 광상 부존 예측을 위한 데이터베이스의 형성 예를 설명한다.

도 2c는 도 2b에서 형성하는 데이터베이스를 구성하는 요인을 분류한 것이며, 도 2d는 강원도 정선군, 태백시, 영월군, 삼척시 지역 등에 위치한 태백산광화대의 지형도를 도시한 것으로, 우리나라의 주요 금속광물이 밀집 부존하고 있는 태백산 분지에 속하는 지역을 적합한 실시예의 적용지역으로 선정하였다. 이하에서는 이 지역에 대한 분석실시예를 통해 본 발명의 시스템을 설명하기로 한다(도 2d에 도시된, 지리좌표는 위도 37˚ 14' 25˝~ 37˚ 15' 24˝N, 경도 129˚ 02' 40˝~ 129˚ 00' 00˝E 사이에 위치).

태백산 광화대 지역의 금-은 광상 부존 예측분석을 위해 수집된 자료는 광상분포도, 지화학분포도 및 지질도이다(도 2c). 연구지역의 금-은 광상은 총 46개소로 한국지질자원연구원, 자연재해사업단, 광해관리공단에서 조사한 폐-휴광상 현황을 바탕으로 선정하였다. 금-은 광상위치는 훈련용(70%, 격자 30개)과 검증용(30%, 격자 16개)으로 분류하여 예측분석과 예측도의 검증에 사용하였다. 지질 및 단층자료는 한국지질자원연구원 발행의 1:50,000 축척의 정선, 임계, 예미, 호명 도폭의 지질도를 이용하였다. 지질도에서 추출한 단층은 단층으로부터의 수평거리를 계산하여 분석에 사용하였다. 지화학 원소는 1:250,000만 강릉도폭 광역지화학도(이진수 등, 1998)에서 추출한 비소(As), 구리(Cu), 몰리브덴(Mo), 니켈(Ni), 연(Pb) 및 아연(Zn) 등을 이용하였다(도 2e, 도 2f 참조). 금-은 광상 분포와 관련있는 모든 요인들은 도 2e 및 도 2f와 같이 공간데이터베이스로 구축하였고, 입력자료의 축척을 고려하여 30m × 30m 크기의 격자로 설정하였으며, 연구지역의 격자수는 행과 열이 1,183 × 986로 총 1,166,438이다.

이하에서는, 도 3a 내지 도 3m을 이용하여 본 발명에 따른 본 시스템의 구성 및 이를 이용한 광상 부존 예측도를 구현하는 방법을 설명하기로 한다.

도 3a 및 도 3b는 본 시스템(도 2a)의 지공간 상관관계 통합분석부의 구성을 도시한 것이다.

본 발명에 따른 지공간 상관관계 통합분석부(200)는 구체적으로는 상기 광상 정보 데이터베이스에서 제공되는 광상의 위치정보를 종속변수로 하고, 지화학 및 지질정보를 독립변수로 이용하여, 광상의 부존과 관련된 요인간의 상관관계를 분석하여 광상 부존 확률을 예측하는 우도비분석부(210), 광상의 부존과 관련 요인들간의 등급별 가중치를 분석하는 WOE(weight of evidence)분석부, 입력자료인 독립변수와 사건자료인 종속변수의 로지스틱회귀 상관계수를 분석하는 로지스틱회귀분석부(230), 광상 부존지역과 미부존지역을 역전파 알고리즘 통해 요인별 가중치를 분석하는 인공신경망분석부(240) 중 어느 하나 이상을 포함하거나, 그밖에 다른 다양한 모델분석부 중 어느 하나 이상을 포함하여 구성될 수 있다. 물론 바람직하게는 이들 분석부 모두를 포함하는 구조로 형성함이 바람직하다.

또는, 도 3b에 도시된 것처럼, 본 발명에 따른 적합한 다른 실시예로는 상술한 하나의 지공간 상관관계 통합분석부(200)에 추가하여, 상기 1차 예측부에서 분석한 결과값을 n차 예측분석의 독립변수로 하고, 1차 예측부에서 사용된 종속변수를 재차 종속변수로 입력하여 분석을 시행하는 n차 예측부를 더 포함하여 구성될 수 있다. 이러한 구조의 예측분석부는 적어도 2회 이상 형성될 수 있다(단, n은 2이상의 자연수).

이를 테면, 상기 우도비분석부, WOE(weight of evidence)분석부, 로지스틱회귀분석부, 인공신경망분석부, 그밖에 다른 모델분석부 중 어느 하나 이상을 포함하여 이루어지는 제1차 내지 n차 예측분석부가 형성되는 경우, 제n차 예측분석부는 제(n-1)차 예측분석부와 동일한 구성을 구비하며, 상기 제(n-1)차 예측분석부에서 제공되는 결과값을 제n차 분석의 독립변수로 하고, 제(n-1)예측부에서 입력된 종속변수를 다시 종속변수로 입력하여 각각 다시 분석을 수행하는 구조로 형성될 수 있는 것이다(단, n은 2이상의 자연수).

도 3c는 본 발명에 따른 본 시스템을 이용하여, 지공관 상관관계 통합분석을 이용한 광상 부존 예측분석을 수행하는 흐름도를 도시한 것이다.

도시된 것처럼, 본 시스템을 이용하는 광상 부존 예측분석은, 단일기법을 이용하여 1차 분석된 금-은 광상 부존 예측도를 새로운 독립변수(입력자료)로 사용하고 이를 기존의 종속변수(사건자료)와 2차 분석을 수행하는 기법이다. 이 기법은 GIS와 같이 다양한 지질현상(지질, 자연재해, 지질자원, 환경오염)을 예측하는 활용될 수 있을 뿐만 아니라 지공간에서 일어나는 모든 사건예측에 적용할 수 있다. 지질현상 예측을 위한 1차 분석기법으로는 확률, 통계, 데이터마이닝 기반의 다양한 기법이 될 수 있다(도 1참조). 본 발명에서는 GIS와 우도비, Weight of evidence, 로지스틱 회귀분석, 인공신경망 등을 이용하여 금-은 광상 부존 통합 예측분석을 도시된 것과 같은 절차로 수행할 수 있다.

즉, 우선 분석분야 및 분석지역을 선정하며(이를 테면, 강원도 태백), 이후 GIS를 이용한 공간데이터베이스를 구축한다. 이 경우 상기 공간데이터베이스에서 제공되는 값 중 광상의 위치를 종속변수로 하고, 지화학 및 지질자료를 독립변수로 하여 지공간 상관관계 통합분석부에 입력하게 된다.

이러한 지공간 상관관계 통합분석부가 도 3a와 같이 단일한 1차 예측분석부로 형성되거나, 아니면 도 3b와 같이 복합적으로 형성되는 n차 통합예측부로 형성되는 경우, 상술한 것처럼 단일한 예측분석이나 반복적인 예측분석을 수행하게 되며, 이후 각각의 분석을 수행하는 우도비, Weight of evidence, 로지스틱 회귀분석, 인공신경망, 그밖에 다양한 모델분석부에서 분석한 광상 부존 예측도와 통합예측도에 대한 정확도를 검증하게 된다.

이후, 검증된 광상 부존 예측도는 정확도 비교를 통해 보다 정확한 결과도를 도출할 수 있게 된다.

이하에서는 상술한 지공간상관관계 통합분석부의 구체적인 분석방법을 상세하게 설명하기로 한다.

1) 우도비분석부-우도비분석기법적용

우도비 기법의 적용은 기존 금-은 광상 부존과 관련된 요인들간의 상관관계를 밝히고, 각 요인의 등급별 우도비를 통해 금-은 광상 부존지를 예측하는데 있다. 우도비는 조건부 확률 원리를 바탕으로 한, 각 요인의 등급별 금-은 광상 부존 비율을 의미한다. 우도비가 1보다 크면 금-은 광상 부존 확률이 높다는 것을, 1보다 작으면 금-은 광상 부존 확률이 낮다는 것을 의미한다. 우도비 계산을 위해 입력자료 선구조로부터의 거리, 모든 지화학 원소 값은 등급별 균등한 면적으로 10등급으로 분류하였다. 계산된 우도비(도 3e~도 3f)는 각 요인의 등급에 부여한 후 GIS 중첩분석을 이용하여 {식 1}과 같이 금-은 광상 부존지수(MPILR : Mineral Potential Index by likelihood ratio)를 구하였다.

{식 1}

부존지수를 이용하여 작성된 금-은 광상 부존 예측도는 시각적 해석을 위해 상위 5%, 10%, 15% 70%로 등급화하였다(도 3d; 도 3d는 우도비를 이용한 금-은 광상의 부존예측도를 도시한 것이다.) 부존지수의 상위 30% (Very high ~ Medium) 내에 분포하는 금-은 광상은 56%로 나타났고 부존지수의 최소값은 1.66, 최대값은 54.93, 평균값은 7.99, 표준편차는 2.99로 나타났다.

2) WOE분석부-weight of evidence 분석기법

Weight of evidence 기법은 우도비에 자연로그를 취하여 양과 음의 가중치로 금-은 광상 부존과 요인별 등급간의 상관성을 제시한다. Studentized value인 C/S(C)는 금-은 광상 부존과 관련된 요인들의 값을 이분화시키는 최적절의 절단값으로써, 최대의 C/S(C) 값을 가지는 등급을 기준으로 (+) 가중치와 (-) 가중치로 이분화시킨다. 가중치가 0의 값을 가지면 상관관계가 없고, (-) 값을 가지면 음의 상관관계를, (+) 값을 가지면 양의 상관관계를 나타낸다. 이렇게 계산된 요인별 가중치는 도 3e도 내지 도 3f와 같다.

이분화된 가중치는 각 요인의 등급에 부여한 후 중첩분석을 실시하여 {식 2}와 같이 금-은 광상 부존지수(MPIWOE : Mineral Potential Index by weight of evidence)를 구하였다.

{식 2}

부존지수를 이용하여 작성된 금-은 광상 부존 예측도는 시각적 해석을 위해 상위 5%, 10%, 15% 70%로 등급화하였다(도 3g). 부존지수의 상위 30% (Very high ~ Medium) 내에 분포하는 금-은 광상은 43%로 나타났고 부존지수의 최소값은 -1.04, 최대값은 4.19, 평균값은 -0.35, 표준편차는 0.83으로 나타났다.

3)로지스틱회귀분석부-로지스틱회귀분석

독립변수(입력자료)와 종속변수(사건자료) 사이의 관계를 정확히 파악하기 위해서는 두 변수간의 규칙성을 나타내는 회귀식 또는 예측식을 구하는 회귀분석이 필요하다. 금-은 광상 부존 여부는 0과 1로 분류되기 때문에 로지스틱 회귀분석이 적합하다. 로지스틱 상관계수는 독립변수의 변화에 따라서 종속변수가 얼마만큼 변화하는가를 제시하는 통계치로써, (+)의 값이면 해당 독립변수의 값이 클수록 금-은 광상이 부존할 확률이 커지고, (-)의 값이면 해당 독립변수의 값이 클수록 금-은 광상이 부존하지 않을 확률이 커진다.

금-은 광상 부존 회귀식은 도 3h에 있는 로지스틱 회귀계수를 이용하여 식 3과 같이 유도하였고, {식 4}와 같이 금-은 광상 부존 확률을 계산하였다. 각 요인들에 곱해지는 계수는 요인들의 가중치가 되며, {식 3}과 {식 4}를 이용하여 금-은 광상 부존지수를 계산하였다.

{식 3}

{식 4}

부존지수를 이용하여 작성된 금-은 광상 부존 예측도는 시각적 해석을 위해 상위 5%, 10%, 15% 70%로 등급화하였다(도 3i). 부존지수의 상위 30% (Very high ~ Medium) 내에 분포하는 금-은 광상은 58%로 나타났고 부존지수의 최소값은 0, 최대값은 0.0046449, 평균값은 0.0000261, 표준편차는 0.0000603으로 나타났다.

4)인공신경망분석부-인공신경망을 이용한 광물 부존 예측

인공신경망에서 사용하는 역전파 알고리즘은 금-은 광상 부존 지역과 미 부존 지역을 신경망에 정확히 인지시켜 이 위치의 입력자료 값을 기준으로 금-은 광상 부존 지역을 훈련시킨다. 이를 통하여 인공신경망은 출력층에 대한 결과 즉, 금-은 광상 부존 가중치를 계산하게 된다. 가중치를 계산하기 위해 인공신경망 구조는 8 × 16 × 1로 설정하였고, 목표 오차에 도달하기 전의 최대 반복횟수는 5,000번, 학습율은 0.01로 설정하여 요인들의 상대적 가중치를 계산하였다(도 3j). 계산된 가중치를 각 요인에 부여하여 연구지역 전체에 대한 금-은 광상 부존지수를 계산하였다.

부존지수를 이용하여 작성된 금-은 광상 부존 예측도는 시각적 해석을 위해 상위 5%, 10%, 15% 70%로 등급화하였다(도 3k). 부존지수의 상위 30% (Very high ~ Medium) 내에 분포하는 금-은 광상은 44%로 나타났고 부존지수의 최소값은 0.0021, 최대값은 0.9987, 평균값은 0.5289, 표준편차는 0.2267로 나타났다.

5) 지공간 상관관계 통합방법-2차 분석

상술한 1) 내지 4)의 각 분석부를 이용하여 1차적으로 분석하는 것을 1차 분석이라고 정의한다면, 이후에는 본 발명에 따른 다른 실시예로서, 상술한 1차 분석결과를 이용하여 반복하여 예측도를 분석하는 방법을 설명하기로 한다.(이를 편의상 '2차 분석'이라고 한다.)

기존 단일기법을 이용한 금-은 광상 부존 예측분석은 1차 분석을 통한 예측도 작성과 이들의 정확도 검증 및 비교로 수행한다. 본 실시 예에서는 이러한 지공간 상관관계를 통합하기 위하여, 1차 분석을 통해 도출된 예측도를 새로운 독립변수(입력자료)로 적용하여 같은 기법으로 2차 분석을 실시하는 것을 특징으로 한다.

또한 2차 분석의 예측도는 3차 분석을 위한 새로운 독립변수(입력자료)로 적용될 수 있고 이렇게 반복함으로써 n번의 새로운 독립변수(입력자료)를 이용한 n차 분석을 수행한다. 지공간 상관관계 통합분석은 ⅰ) 원시자료의 입력, ⅱ) 중간 결과물의 생성 또는 새로운 입력자료 생성, ⅲ) 고수준의 결과물 도출의 절차로 금-은 광상 부존 예측도를 작성한다. {식 5}는 1차 분석의 단일기법을 이용한 예측도 작성의 일반식으로써, 금-은 광상과 관련 있는 원시 독립변수(원시 입력자료)

를, 기법 fm에 적용하여 예측도

을 도출한다.

{식 5}

{식 5}의 예측도

은 지공간 상관관계 통합분석에서 종속변수(광상위치)의 새로운 독립변수(입력자료)로 사용되어, 통합기법의 {식 6}을 이용하여 통합예측도를 작성하게 된다.

은 2차 분석 {식 6}의 독립변수(입력자료)

로 설정하고 기법 fm에 적용하여 통합예측도

을 도출한다.

{식 6}

은 n차 분석의 독립변수(입력자료)

로 설정하고, 기법 fm에 적용하여 n차 통합예측도

을 도출한다.

{식 7}

새로운 지공간 상관관계 통합분석은 단일기법인 우도비, weight of evidence, 로지스틱 회귀분석, 인공신경망에서 도출된 광상 부존 예측도와 광상위치와의 관계를 다시 같은 방법으로 우도비(도 3l), weight of evidence의 가중치(도 3l), 로지스틱 회귀분석의 회귀식(식 8), 인공신경망의 가중치(도 3m)를 도출하여 금-은 광상 통합 부존지수를 계산하였다.

{식 8}

통합 부존지수를 이용하여 작성된 금-은 광상 부존 통합예측도는 시각적 해석을 위해 상위 5%, 10%, 15% 70%로 등급화하였다(도 4참조).

도 4a는 우도비를 이용한 금-은 광상 부존 통합예측도(2차 분석) 결과를 도시한 것이며, 도 4b는 weight of evidence를 이용한 금-은 광상 부존 통합예측도(2차 분석) 결과를 나타낸 것이며, 도 4c는 로지스틱 회귀분석을 이용한 금-은 광상 부존 통합예측도(2차 분석) 결과를 도시한 것이다. 그리고 도 4d는 인공신경망을 이용한 금-은 광상 부존 통합예측도(2차 분석)를 도시한 것이다.

2차 분석 우도비 기법을 통해 계산된 가능지수의 최소값은 0.33, 최대값은 18.14, 평균값은 4.00, 표준편차는 3.75로, 2차 분석 Weight of evidence 기법을 통해 계산된 가능지수의 최소값은 -1.31, 최대값은 5.68, 평균값은 -0.78, 표준편차는 1.17로, 2차 분석 로지스틱 회귀분석 기법을 통해 계산된 가능지수의 최소값은 0.0003729, 최대값은 0.0039608, 평균값은 0.0022425, 표준편차는 0.0001883으로, 2차 분석 인공신경망 기법을 통해 계산된 가능지수의 최소값은 0.0314, 최대값은 0.99957, 평균값은 0.4759, 표준편차는 0.2527로 나타났다.

6) 결과도출부

단일기법과 지공간 상관관계 통합기법을 이용하여 계산된 금-은 광상 부존지수는 추정값에 해당되므로 예측도의 정량적인 정확도를 알기위해 검증이 필요하다. 이를 위해 Success Rate Curve (SRC)와 AUC (Area Under the Curve) 방법을 이용하였다(도 5a, 도 5b참조). 도 5a는 1차 단일분석의 광상 부존 예측도의 정확도를 나타낸 것이며, 도 5b는 지공간 상관관계 통합예측도의 정확도를 도시한 것이며, 도 5c는 1차 단일분석과 2차 통합분석의 광상 부존 예측도의 정확도를 비교한 것이다.

SRC의 X축은 부존지수 값을 상위 퍼센트로 등급화한 값이고, Y축은 광상 부존 위치를 누적 퍼센트로 표시한 등급값이다. X축의 값이 1%일 때 Y축의 값이 100%라면 광상 부존지수의 상위 1%의 픽셀 안에서 광상이 모두 위치한다는 의미하며 또한 이들의 예측이 올바르게 되었음을 의미한다. SRC보다 정량적인 검증을 위해 AUC 방법을 이용하였다. 이 방법은 SRC 아래 면적을 계산하는 것으로써 X축과 Y축을 1:1로 곱하면 SRC 아래의 면적을 구할 수 있고 이 면적이 넓을수록 예측도의 정확도가 높음을 의미한다.

따라서 1차 단일분석과 2차 지공간 상관관계 통합분석의 예측도와 통합예측도의 정확도를 비교해 본 결과 통합예측도의 정확도가 0.02%~18.75%로 증가하였다. 따라서 2차 지공간 상관관계 통합분석 방법이 1차 단일분석 방법보다 예측성능이 우수함을 알 수 있었다.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 기술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

100: 광상 정보 데이터베이스
110: 광상자료 데이터베이스
120: 지화학자료 데이터베이스
130: 지질자료 데이터베이스
200: 지공간 상관간계 통합분석부
210: 우도비분석부
220: WOE(weight of evidence)분석부
230: 로지스틱회귀분석부
240: 인공신경망분석부
300: 광상 부존 예측도 작성부
400: 광상 부존 예측도 검증부
500: 결과 비교 도출부

Claims

광상 부존 예측시스템에 있어서,
광상의 위치 및 지화학, 지질자료 등의 지질정보를 제공하는 광상 정보 데이터베이스;
상기 광상 정보 데이터베이스에서 제공되는 지질정보를 바탕으로 지공간 상관관계를 통합분석하는 지공간 상관관계 통합분석부;
상기 지공간 상관관계 통합분석부에서 분석된 정보를 바탕으로 광상부존예측도 및 통합예측도를 형성하는 광상 부존 예측도 작성부;
상기 광상 부존 예측도를 이용하여 광상 부존의 정량적인 정확도를 검증하는 검증부;
상기 예측시스템에서 분석된 결과값의 비교를 위한 결과도출부;
를 포함하여 이루어지는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템.
청구항 1에 있어서,
상기 광상 정보 데이터베이스는,
분석대상지역의 광상분포도를 이용하여 광상의 종류 및 위치정보를 공간데이터베이스화한 광상 자료 데이터베이스;
분석대상지역의 지화학분포도를 이용하여 지화학원소의 종류에 대한 정보를 제공하는 지화학자료 데이터베이스;
분석대상지역의 지질도에서 추출되는 지질 및 단층자료를 공간데이터베이스화한 지질자료 데이터베이스;
를 포함하여 이루어지는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템.
청구항 1 또는 2에 있어서,
상기 지공간 상관관계 통합분석부는,
상기 광상 정보 데이터베이스에서 제공되는 광상의 위치정보를 종속변수로 하고, 지화학 및 지질정보를 독립변수로 이용하여,
광상의 부존과 관련된 요인들간의 상관관계를 분석하여 광상 부존 확률을 예측하는 우도비분석부;
광상의 부존과 관련된 요인들간의 등급별 가중치를 분석하는 WOE(weight of evidence)분석부;
입력자료인 독립변수와 사건자료인 종속변수의 로지스틱회귀 상관계수를 분석하는 로지스틱회귀분석부;
광상 부존지역과 미부존지역을 역전파 알고리즘을 통해 요인별 가중치를 분석하는 인공신경망분석부;
중 어느 하나 이상을 포함하여 이루어지는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템.
청구항 3에 있어서,
상기 지공간 상관관계 통합분석부는,
상기 우도비분석부, WOE(weight of evidence)분석부, 로지스틱회귀분석부, 인공신경망분석부 중 어느 하나 이상을 포함하여 이루어지는 제1차 내지 제n차 예측분석부;를 포함하여 구성되되,
제n 예측분석부는 제(n-1) 예측분석부와 동일한 구성을 구비하며, 상기 제(n-1) 예측분석부에서 제공되는 결과값을 제n차 분석부의 독립변수로 하고, 제(n-1) 예측부에서 입력된 종속변수를 다시 종속변수로 입력하여
각각 다시 분석하는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측시스템(n은 2 이상의 자연수).
분석대상지역의 광상 부존과 관련된 요인들의 지질정보를 공간데이터베이스로 구축하는 1단계;
상기 공간데이터베이스에 구축된 지질정보를 입력하여 지공간 상관관계 통합을 분석하는 2단계;
상기 2단계의 분석정보를 이용하여 광상 부존 예측도 및 통합예측도를 작성하는 3단계;
상기 3단계의 광상 부존 예측도 및 통합예측도의 정확도를 정량적으로 검증하는 4단계;
상기 3단계의 상기 광상 부존 예측도 및 통합예측도와 상기 4단계의 정량적인 검증 결과를 비교하기 위해 결과비교도출부에서 최종 결과값을 도출하는 5단계;
를 포함하는 지공간 상관관계 기법을 이용한 광상 부존 예측 방법.
청구항 5에 있어서,
상기 2단계는,
광상의 위치정보를 종속변수로하고, 지화학 및 지질정보를 독립변수로 하여,
우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망, 중 어느 하나 이상의 분석을 제1차 수행하여 광상 부존 예측도를 분석하는 단계인 것을 특징으로 하는 지공간 상관관계 기법을 이용한 광상부존 예측 방법.
청구항 6에 있어서,
상기 3단계는,
우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망분석 중 어느 하나 이상의 분석을 제1차 수행하여 도출한 광상 부존 예측도를 제2차 분석의 독립변수로하고, 1차 분석에서 입력된 종속변수를 재차 종속변수로 하여 우도비분석, WOE(weight of evidence)분석, 로지스틱회귀분석, 인공신경망분석 중 어느 하나 이상의 분석을 수행하여 광상 부존 통합예측도를 분석하는 과정을 적어도 2회 이상 수행되도록 하는 것을 특징으로 하는 지공간 상관관계 통합기법을 이용한 광상 부존 예측 방법.