Қойылған мақсатқа қол жеткізу үшін төмендегі міндеттер шешіледі:
Геологиялық деректердің үлкен көлемін өңдеу мен талдауды автоматтандыру геологиялық барлау жұмыстарының тиімділігін арттырудың негізгі шарты болып табылады. Терең оқыту, соның ішінде конволюциялық нейрондық желілер сияқты ЖИ алгоритмдері үлкен деректер массивтерінен маңызды белгілерді автоматты түрде бөліп алуға және шуды сүзуге мүмкіндік береді. Бұл геологиялық процестерді қалпына келтіруге мүмкіндік беретін минерагендік модельдер құруға, соның нәтижесінде пайдалы қазбалар кен орындарын анықтауға перспективалы аумақтарды бөлуге жол ашады. Мұндай тәсіл талдау уақытын едәуір қысқартып, әрі қарайғы іздеу және геологиялық-барлау жұмыстарын жүргізу үшін перспективалы аумақтарды анықтау дәлдігін арттырады.
Бұл міндет деректерді өңдеу мен талдауды автоматтандырудың қолжетімділігін мемлекеттік органдардан бастап жеке компанияларға дейінгі кең ауқымды пайдаланушылар үшін қамтамасыз етуге бағытталған. Машиналық оқыту мен ЖИ әдістерін «Minerals.gov.kz» платформасындағы сараптамалық жүйеге енгізу геологиялық барлауды цифрландыру жолындағы маңызды қадам болып табылады. ЖИ әдістерін қолдану дәстүрлі талдау тәсілдерімен анықтау мүмкін емес жасырын заңдылықтар мен аномалияларды анықтауға мүмкіндік береді. Жүйе прототипін тәжірибелік пайдалану нақты деректер негізінде тексеруге, функционалын жетілдіруге және алгоритмдерді пайдаланушылар талаптарына бейімдеуге жағдай жасайды.
ArcGIS қашықтықтан зондтау деректерін, соның ішінде спутниктік және аэрокосмостық суреттерді талдауға арналған қуатты құралдарды ұсынады. ArcGIS Image Analyst модулі арқылы минералогиялық индикаторларды анықтау үшін спектрлік талдау жүргізуге болады. Гиперспектрлік және мультиспектрлік деректер типоморфты минералдарды және олардың рудалы ассоциацияларын спектрлік сипаттамалары негізінде анықтауға мүмкіндік береді. Бұл гравиметриялық және магниттік өлшеулермен біріктірілген жоғары дәлдіктегі болжамдық минерагендік карталарды құруға жол ашады. Нақты сынақ учаскелерінде әдістемені қолдану барлық деректерді біртұтас ГАЖ жүйесіне біріктіруге мүмкіндік береді және әртүрлі геологиялық жағдайлардағы тиімділігін бағалауға жағдай жасайды.
Аймақтық құрылымдық элементтер, мысалы геологиялық-құрылымдық белдеулер мен аймақтар, пайдалы қазбалардың таралу заңдылықтарына әсер ететін маңызды индикаторлар болып табылады. Жергілікті құрылымдар — тектоникалық жарылымдар, жарықшақтар және метасоматикалық өзгеріске ұшыраған жыныстар — орудену процестерінде шешуші рөл атқарады. Метасоматикалық өзгерістер көбіне пайдалы қазбалармен тығыз байланысты, сондықтан мұндай аймақтарды дәл карталау рудалық перспектива бағасының нақтылығын арттырады. K-means сияқты кластерлеу әдістері жыныстардың қасиеттеріне негізделген біртексіз аймақтарды бөліп көрсетуге мүмкіндік береді. Метасоматикалық өзгерістерді анықтау — бірнеше факторды қатар талдауды талап ететін күрделі мәселе. Терең оқыту алгоритмдері қашықтықтан зондтау және геохимиялық деректерді талдау арқылы мұндай өзгерістерді автоматты түрде анықтауға бейімделе алады. Жобаның технологиялық дайындық деңгейі (TRL) 0-ден 9-ға дейінгі шкала бойынша бағаланады. Өтінім беру кезеңінде тұжырымдама қалыптасқан және ғылыми негізделген болғандықтан, дайындық деңгейі 2-ге тең. Бағдарлама аяқталғаннан кейін Бірыңғай платформаға интеграцияланған сараптамалық жүйе құрылып, технологиялық дайындық деңгейі 3-ке жетеді.