Abstract
Стремительное развитие искусственного интеллекта и ана-лиза данных значительно расширило возможности проведения геонаучных ис-следований. В данной работе представлен систематический подход к подготовке, консолидации и исследованию геопространственной и геофизической инфор-мации с использованием методов машинного обучения без учителя. В качестве практического примера данный процесс продемонстрирован на основе анали-за спутниковых изображений района Сундарбанов с использованием открытых источников данных, при этом разработанная методологическая основа ориенти-рована на последующее применение к наборам данных о магнитных и гравита-ционных аномалиях на территории Казахстана. Предлагаемый подход объединя-ет инструменты на базе Python для обработки геопространственной информации с методами обучения без учителя. Первоначальное тестирование подтвердило, что тщательная подготовка данных и выявление характеристик существенно по-вышают наглядность пространственных неоднородностей, создавая основу для разработки прогностических моделей оценки перспективности минеральных ресурсов с использованием сверточных нейронных сетей, а также архитектур AlexNet и U-Net. Количественная оценка с использованием коэффициента силу-эта (0,73) и индекса Дэвиса–Болдина (0,42) подтвердила высокое качество кла-стеризации и улучшение качества данных