Dominios ML — ejemplo de alteración en sondaje
Este Resumen es un caso de ejemplo de alteración. Los datos de entrada son espectro SWIR–VNIR, geoquímica y la alteración de logueo del sondaje. En Fase 1 el clustering no supervisado sirve para definir MOD_ALT; en Fase 2 se entrena el flujo supervisado (el mismo lienzo de Orange). Reproduce en el navegador, sin instalar nada, ese método de la tesis de Jhonatan Mallma.
Basado en jhon21geo.github.io/geologia-ML-dominios-alteracion · datos sintéticos del repositorio · protocolo Orange/Colab descrito en Orange y Google Colab.
Esquema del método (este ejemplo)
El esquema es el de este caso de alteración. Esta página corre todo el cálculo en tu navegador, sin enviar datos a ningún servidor. La Fase 2 muestra el mismo flujo como lienzo de nodos, igual que en Orange.
Qué reproduce fielmente
- Las mismas 15 variables espectrales y las mismas ~34 columnas geoquímicas del CSV sintético publicado.
- PCA + K-Means sobre el espectro, y clustering jerárquico (enlace promedio) sobre las variables minerales.
- Los mismos 4 algoritmos, y las métricas Test&Score / matriz de confusión / ROC sobre el 60% de sondajes sin logueo (en este ejemplo, el dominio de alteración MOD_ALT).
Dónde se simplifica
- SVM: aproximación lineal (Pegasos); la tesis usó kernel RBF en Orange.
- Red neuronal: 30 neuronas / 60 iteraciones en vez de 100/200, para entrenar en segundos en el navegador.
- La MOD_ALT se firma en Fase 1 sobre las muestras que eliges en el PCA; no viene ya definida en los datos de entrada.
- Nuevo: si eliges como objetivo una columna numérica (una ley, un óxido), los mismos 4 algoritmos entrenan como regresión (kNN y RF por promedio de vecinos/árboles, SVM como regresión lineal Ridge, la red con salida lineal) y las métricas cambian a RMSE, MAE y R².
Alteración de logueo
Espectro SWIR–VNIR, geoquímica y la alteración anotada en el logueo. Se deja el 40% de los sondajes logueados para entrenar; el 60% queda sin logueo y es lo que el ML predice. El campo MOD_ALT se firma en la Fase 1.
Distribución espacial y tabla completa
Revisando si el dataset trae XYZ de punto medio…
Vista previa · todas las columnas
Variables de Fase 1 (espectro o leyes):
Columnas geoquímicas usadas (Fase 2):
Cargar tablas y unir para el análisis
Tres caminos: tablas de sondaje, unión assay + espectral por from–to, o un CSV de tramos. El tercero acepta solo assay (sin espectro) para buscar patrones en Fase 1.
1 Collar, survey, assay, espectral
Tablas de sondaje por separado. Assay y espectro se unen por from_m–to_m; el 3D sale del desurvey collar + survey.
2 Unir assay + espectral
Mismos tramos por holeid + from_m + to_m (o solape). Una de las dos tablas debe traer XYZ de punto medio (mid_x, mid_y, mid_z o x, y, z).
3 CSV de tramos o assay con XYZ
Un archivo de intervalos. Sirve el formato de la tesis o un assay de sondaje: COLLAR, LITOLOGIA, DESDE, HASTA, ESTE_CALC, NORTE_CALC, ELEVACION_CALC más las leyes. Si no hay espectro, la Fase 1 agrupa por geoquímica.
Vista y Fase 1 usan el 40% de collares. Clic para prender el total.
No supervisado: de clústeres a MOD_ALT
PCA y K-Means sobre el espectro o, si solo cargaste assay, sobre las leyes. Primero el filtro Collares 40%; luego un polígono sobre esas muestras. Esos tramos se firman como MOD_ALT y son los únicos que entran a la Fase 2.
Litología = mayores e inmóviles (Ca, Al, Ti…). Alteración = S, álcalis y trazas hidrotermales. Mineralización = Au, Ag, Cu, Mo y pathfinders. Si hay duplicados, se usa solo ppm (no Au_ppb ni Cu_pct).
Seleccionar muestras de entrenamiento
Primero Collares 40% (sondajes logueados). Sobre esas muestras: clic para cada vértice · doble clic o clic en el inicio cierra · Shift añade otro polígono. Rueda = zoom · Alt+arrastrar = desplazar.
Dendrograma de las 15 variables minerales
Jerarquía de los vectores de elementos. Al cerrar un polígono en la figura 2 el árbol se recalcula solo con esas muestras. Rueda el mouse para recorrer el árbol en vertical.
Ejecuta Recalcular Fase 1 para ver la jerarquía de todos los elementos.
PCA · clústeres y minerales (biplot)
Color = clúster. El polígono solo toma tramos logueados. Cambia PC1–PC4 abajo.
PCA coloreado por alteración de logueo
Las mismas puntuaciones, coloreadas por el logueo. Los ejes PC1–PC4 se comparten con el biplot.
Contraste dentro del sondaje (PCA residual)
Sí: la data residual está normalizada. Cada ley se convierte en z-score por collar (media 0, σ=1) y luego se calcula un PCA no supervisado PC1–PC4. Así se quita el sesgo entre sondajes. La litología solo colorea: no entrena los ejes.
Perfil en el sondaje
El eje de arriba hacia abajo es la profundidad del pozo o la cota real. El eje X es la ley que elijas o un PC residual (z-score). Rueda del mouse: zoom; arrastra para mover. Barra de color = litología o clúster. Doble clic en un color de la leyenda para cambiarlo.
Segmentación:
Cada clúster propone un dominio (logueo mayoritario). Edítalo; al firmar se escribe en las muestras seleccionadas.
Clúster espectral vs. alteración de logueo
El clúster no equivale al dominio. La clase más frecuente se propone como MOD_ALT.
Firmar MOD_ALT y continuar
Solo las muestras seleccionadas reciben MOD_ALT y pasan a entrenar en Fase 2. Puedes usar el dominio del clúster o el logueo de cada tramo.
Supervisado: flujo visual → MOD_ALT
Entrena solo con los tramos seleccionados y firmados en Fase 1. El lienzo de Orange conecta esos datos con Test and Score, ROC y matriz de confusión. El objetivo por defecto es MOD_ALT.
Datos de entrenamiento (selección Fase 1)
Resumen de los tramos que entran al flujo supervisado. Si está vacío, vuelve a Fase 1, dibuja un polígono y firma MOD_ALT.
| Modelo | Hiperparámetros |
|---|
Resultados del flujo
Test & Score evalúa el modelo contra el 60% de sondajes sin logueo (logueo oculto). Clic en los nodos del lienzo salta a cada bloque.
Test & Score
Matrices de confusión
Los cuatro modelos sobre el mismo set de prueba. Verde = aciertos (diagonal); naranja = confusiones.
Curvas ROC
Uno-contra-resto por dominio. Un gráfico por modelo para comparar TPR/FPR.
Predicción de tramos nuevos
Aplica el modelo al 60% de sondajes sin logueo. El entrenamiento son los tramos firmados de los sondajes logueados; no se predice sobre esos collares.
Resultado
Los tramos predichos usan el mismo círculo y el mismo color de dominio que el entrenamiento. Distínguelos con los sliders de opacidad si hace falta.
Acerca de esta réplica
Esta página es una implementación independiente, construida para explorar en el navegador el método descrito en la tesis de pregrado «Delimitación de los dominios geológicos de alteración desde firmas espectrales y geoquímica mediante el empleo de machine learning» (Mallma Espinoza, J. P., 2026, FIGMM–UNI). No sustituye el flujo original en Orange/Python, que puedes reproducir exactamente desde:
Cómo citar
Mallma, J. (2026). Delimitación de los dominios geológicos de alteración desde firmas espectrales y geoquímica mediante el empleo de machine learning [Tesis de pregrado, Universidad Nacional de Ingeniería]. Repositorio institucional Cybertesis UNI.
Límites a tener en cuenta
- Todo el entrenamiento ocurre en tu navegador con implementaciones propias de PCA, K-Means, CART/Random Forest, kNN, SVM lineal (o su versión de regresión, Ridge) y una red neuronal simple — los números exactos no coinciden con los de la tesis, aunque el orden relativo de los modelos suele ser parecido.
- El Resumen y el dataset por defecto muestran un caso de ejemplo de alteración: la entrada es el logueo; MOD_ALT se firma en Fase 1.
- El juicio geológico al firmar MOD_ALT, una litología o un dominio sigue siendo indispensable; esta herramienta no lo reemplaza.
- La generalización a litologías y leyes es una extensión propia de esta réplica, no el caso que ilustra el Resumen: cualquier columna numérica o categórica de tu CSV (que no sea id/coordenadas) puede elegirse como variable objetivo en la Fase 2.