Resumen

Durante las últimas décadas, los investigadores han realizado importantes avances en la interpretación del entorno sedimentario del análisis granulométrico, pero estas mejoras han dependido a menudo de la experiencia subjetiva del investigador y normalmente se han combinado con otros métodos. En la actualidad, los investigadores han estado utilizando un mayor número de métodos de minería de datos y descubrimiento de conocimiento para explorar las posibles relaciones en el análisis granulométrico de los sedimentos. En este trabajo, aplicaremos la teoría de los grafos bipartitos para construir un modelo de red Muestra/Granulometría y luego construiremos un modelo de red Muestra proyectado a partir de esta red bipartita. Además, utilizaremos el algoritmo Mini Batch K-means con los parámetros más adecuados (ratio de reasignación ϵ=0,025 y mini batch = 25) para agrupar las muestras de sedimentos. Utilizaremos cuatro índices de evaluación representativos para verificar la precisión del resultado de la agrupación. Los resultados de la simulación demuestran que este algoritmo puede dividir la red de muestras en tres clústeres categóricos de sedimentos: marinos, fluviales y lacustres. De acuerdo con los resultados de estudios anteriores obtenidos a partir de una variedad de índices, la precisión de los resultados experimentales sobre la categoría de tamaño de grano de los sedimentos es de hasta 0,92254367, hecho que demuestra que este método de análisis del entorno sedimentario por tamaño de grano es extremadamente eficaz y preciso.

• Materias:Hidrología Permeabilidad Petróleo Yacimientos minerales Minería Geofluidos
• Subjects:Hydrology Permeability Petroleum Mineral deposits Mining Geofluids
• Palabras claves:análisis de tamaño, grano de sedimento, mini lote, modelo de red de tamaño, investigadores, cluster categórico sedimentario, hizo un avance significativo, variedad de índice, última década, métodos
• Keywords:size analysis, sediment grain, mini batch, size network model, researchers, sedimentary categorical cluster, made significant advance, variety of index, last several decade, methods