MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 584 / MAYO 2026 67 de la Formación Ferrobamba que son buenos agentes de precipitación hipógena, pudiendo tenerse en cuenta en mapas de sistemas minerales a menor escala. Se delimitó el polígono mostrado en la Figura 3, debido a que abarca al Batolito de Andahuaylas-Yauri. Flujo de integración de datasets por IA El flujo de trabajo desarrollado para la integración de los datasets se detalla en la Figura 4. Se asignaron los siguientes valores en el código de entrenamiento del modelo: Clase 01: yacimientos pórfidos skarn. Clase 02: no existencia de yacimiento. En el caso de las “fallas pequeñas” se le asignó una distancia euclidiana de 5,000 metros, como ratio de influencia. Y en el caso de las fallas longitudinales y transversales, debido a su importancia, se le asignó una distancia 20,000 metros. Una vez procesados los datos, se obtuvo los siguientes resultados: reporte de precisión (Figura 5) y mapas de prospectividad (Figura 6). Discusión La integración del enfoque de sistemas minerales con la inteligencia artificial presenta resultados diferentes aplicando Random Forest o Neural Network. Incluso los resultados entre ellos difieren a técnicas prospectivas como el uso de alteraciones por teledetección y la franja metalogenética de pórfidos skarns de CuMo (Au, Zn) y Fe relacionados con intrusivos del Eoceno - Oligoceno. Es importante resaltar que pese a la “certeza” que nos puede indicar la matriz de confusión, el empleo de la IA y la selección de los datasets debe manejarse con un juicio geológico crítico, con el fin de evitar “sesgos” que podrían afectar los resultados. Conclusiones 1. Con base en el gráfico de importancia de características – Random Forest podemos concluir que la Fertilidad es la característica más importante al momento de prospectar por sistemas minerales. 2. Se obtuvieron zonas de interés prospectivo, tanto de Random Forest como de Neural Network, que exhiben nuevas zonas de prospección asociadas al Batolito de Andahuaylas-Yauri. Se observa que coinciden en algunos casos con yacimientos minerales ya descubiertos. 3. Se requiere de datos geológicos como geofísica, geoquímica y dataciones radiométricas que puedan permitir reducir la incertidumbre geológica, pudiendo obtener resultados aún más fiables. Recomendaciones 1. Se considera fundamental que para futuras exploraciones en el sur del Perú deben afinarse los datasets de futuros modelos de sistemas minerales en Geodinámica (G), como la tasa de convergencia, oblicuidad, Figura 2. Cuadro de análisis de un sistema mineral, indicando los procesos críticos (causas), elementos objetivo (consecuencias) y criterios de representación de elementos objetivo (mapas predictores o datasets). Dónde: crema rojizo – Importancia 1. Amarillo naranja – Importancia 2. Verde – Importancia 3 (no se necesita incluirlo a la escala de trabajo correspondiente). Figura 3. Área de estudio.
RkJQdWJsaXNoZXIy MTM0Mzk2