Delimitación de dominios geológicos de alteración mediante firmas espectrales, geoquímica y aprendizaje automático¶
Tesis de pregrado. Flujo cuantitativo para clasificar dominios de alteración hidrotermal a partir de espectrometría SWIR–VNIR, geoquímica de sondaje y criterio geológico: seis clases mineralógicas y comparación de clasificadores supervisados.
La hipótesis de trabajo es que el aprendizaje no supervisado (PCA, agrupamiento
jerárquico y K-Means) propone agrupaciones espectrales, pero el dominio
geológico (MOD_ALT) se define cuando el geólogo valida el ensamble diagnóstico
y la continuidad espacial. El clasificador supervisado —Random Forest en
esta investigación— extiende esa firma al resto de la malla. El repositorio
reproduce el flujo con datos sintéticos de los mismos ensambles, sin
geometría de la unidad de calibración.
La réplica interactiva —logueo, firmar MOD_ALT en el PCA, lienzo tipo Orange
y predicción del 60 % de sondajes ciegos— está en
geoia.site/dominios-ml. Corre en el
navegador, sin instalar nada. Los cuadernos y el paquete
Python reproducen los mismos pasos con los hiperparámetros publicados.
Recorrido de lectura¶
El visor condensa la tesis. No es necesario seguir el orden capitular:
1 · Probar en el navegador
GeoIA: PCA, firma de MOD_ALT, lienzo RF/kNN/red/SVM y predicción 40/60.
2 · Mapa de lectura Correspondencia entre preguntas de investigación y secciones del visor.
3 · Asignación de dominios
Etapa crítica: clustering espectral y corte geológico de MOD_ALT.
4 · Cuadernos y Python
Colab, Orange o alteration_ml sobre el conjunto sintético.
-
Réplica GeoIA
Mismo método de la tesis, en el navegador: 15 minerales, firmar
MOD_ALT, Test & Score y CSV de predicción. -
Tesis resumida
Capítulos condensados, figuras del flujo y el PDF (páginas 1–151).
-
Cuadernos (Colab)
Pipeline completo y EDA / no supervisado / supervisado, alineados con las fases de GeoIA.
Esquema metodológico¶
flowchart LR
A[Logueo + espectro<br/>15 minerales] --> B[Fase 1<br/>PCA · polígono · MOD_ALT]
C[Geoquímica] --> D[Fase 2<br/>RF · kNN · red · SVM]
B --> D
D --> E[Fase 3<br/>60 % sin logueo]
Cómo citar¶
Formatos IEEE y APA 7
IEEE. Mallma Espinoza, J., “Delimitación de los dominios geológicos de alteración desde firmas espectrales y geoquímica mediante el empleo de machine learning” [Tesis de pregrado]. Lima, Perú: Universidad Nacional de Ingeniería, 2026.
APA 7. 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.
ORCID del autor: 0009-0007-5912-5915 · Asesor: 0009-0009-5452-3636.
Filiación y contacto¶
Universidad Nacional de Ingeniería
jhonatangeo21@gmail.com
linkedin.com/in/geominSitio de lectura: jhon21geo.github.io/geologia-ML-dominios-alteracion. Réplica interactiva: geoia.site/dominios-ml.1
-
La dirección
jhonatanmallma.github.io/...no corresponde a este repositorio (muestra 404). ↩