-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathmodule2.jl
2822 lines (2294 loc) · 98.5 KB
/
module2.jl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
### A Pluto.jl notebook ###
# v0.19.42
using Markdown
using InteractiveUtils
# ╔═╡ 2b3303b7-79b9-41a8-a576-0d05be19e49e
begin
using PlutoTeachingTools
import PlutoUI
# add table of contents to the side
PlutoUI.TableOfContents(title="Contents")
end
# ╔═╡ f3ed44a1-4998-4aab-8f28-cf87811824e0
using DrillHoles
# ╔═╡ cef6589e-14bd-4dca-9a7c-11751afe9ad3
using CSV
# ╔═╡ a25598f1-c257-444c-a8d6-b03f207bcd57
using GeoStats
# ╔═╡ 1dc7f348-5b49-4c41-a873-8a46900edba5
using PairPlots
# ╔═╡ a4e5e858-ef64-48e4-8d50-08f70e1fd265
html"""
<div style="
position: absolute;
width: calc(100% - 30px);
border: 50vw solid #444444;
border-top: 500px solid #048282;
border-bottom: none;
box-sizing: content-box;
left: calc(-50vw + 15px);
top: -500px;
height: 500px;
pointer-events: none;
"></div>
<div style="
height: 500px;
width: 100%;
background: #444444;
color: #fff;
padding-top: 68px;
">
<span style="
font-family: Rubik, serif;
font-weight: 700;
font-feature-settings: 'lnum', 'pnum';
"> <p style="
font-size: 1.5rem;
opacity: .8;
"><em>Minicurso:</em></p>
<p style="text-align: center; font-size: 2rem;">
<em>Geociência de dados na mineração</em>
</p>
<p style="
font-size: 1.5rem;
text-align: center;
opacity: .8;
"><em>preparado por Arpeggeo® Technologies</em></p>
<center>
<a href="https://arpeggeo.tech"><img src="https://i.imgur.com/xgq72Z7.png" height=200></a>
</center>
<style>
body {
overflow-x: hidden;
}
</style>"""
# ╔═╡ e672c48c-2169-4410-84fd-f56c72bbb116
md"""
# Módulo II
**Instrutor:** [Júlio Hoffimann](https://juliohm.github.io)
**E-mail:** [[email protected]](mailto:[email protected])
"""
# ╔═╡ 35766a7c-68b6-4abe-8283-db472c2fc6fa
html"""
<head>
<style>
{
box-sizing: border-box;
}
/* Set additional styling options for the columns*/
.column {
float: left;
width: 50%;
}
.row:after {
content: "";
display: table;
clear: both;
}
</style>
</head>
<body>
<div class="row">
<div class="column";">
<h4>Objetivos</h4>
<ol>
<li>Revisar tabelas de furos de sondagem</li>
<li>Realizar interpolação básica de teores</li>
<li>Realizar predição básica de recuperação</li>
</ol>
</div>
<div class="column";">
<img src="https://i.imgur.com/0Y2bG17.jpg" width=120>
</div>
</div>
</body>
"""
# ╔═╡ 83991938-dcbe-42a5-bb02-51ebe503a0b2
md"""
## Furos de sondagem 📂
"""
# ╔═╡ b399adea-7693-4ec4-b703-f6eec2876cef
md"""
### Arquivos e formatos
Na indústria da mineração, dados de furos de sondagem são armazenados em arquivos de texto conhecidos como **collar**, **survey** e **interval**:
#### Collar table
O arquivo **collar** armazena as coordenadas **X**, **Y** e **Z** da "cabeça" de cada furo de sondagem, especificado no arquivo através da coluna **HOLEID**. Outras colunas como **ENDDEPTH** são opcionais para validar a etapa de "desurveying", explicada mais adiante.
#### Survey table
O arquivo **survey** armazena o comprimento do furo **AT**, geralmente em metros, e os ângulos **AZM** e **DIP**, geralmente em graus. O ângulo **AZM** é medido no plano horizontal com a direção Norte, e o ângulo **DIP** representa o mergulho com relação ao plano horizontal.
Juntos, os arquivos **collar** e **survey** determinam as trajetórias dos furos:
#### Interval table(s)
O(s) arquivo(s) **interval** armazena(m) medições feitas num intervalo de comprimento [**FROM**, **TO**] em cada furo na coluna **HOLEID**. Vários arquivos podem existir com diferentes tipos de medição e interpretação geológica:
"""
# ╔═╡ 3e721618-29de-466e-bcb1-7fcaaf4da1ac
md"""
### Desurveying/compositing
Apesar desses arquivos serem fáceis de transferir, eles apresentam diversas limitações práticas em um projeto de geociência de dados:
1. Especificação incompleta de sistema de coordenadas
2. Ausência de unidades padronizadas de medição
3. Dentre outras limitações de arquivos de texto
Nesse sentido, nós precisamos realizar a etapa conhecida como **desurveying/compositing** antes de prosseguir com a construção de modelos. Essa etapa, nada mais é que o cálculo das trajetórias dos furos a partir dos comprimentos de arco e ângulos listados acima.
Vamos usar o pacote DrillHoles.jl para alcançar esse objetivo:
"""
# ╔═╡ 5a80e95b-376f-43fb-b46d-22ca40996b87
md"""
O pacote disponibiliza os três tipos de tabela `Collar`, `Survey` e `Interval`, além de uma função `desurvey` com algumas opções úteis que veremos adiante.
Também vamos precisar do pacote CSV.jl para ler os arquivos do disco:
"""
# ╔═╡ 0e42f437-aff4-491c-be3e-1c1180ca07a8
md"""
#### Carregando arquivos do disco
Carregar arquivos CSV do disco é bastante fácil com o `CSV.File`. Aqui usaremos os dados abertos do [Macpass Project](https://fireweedmetals.com/macpass-disclaimer), disponibilizado pela [Fireweed](https://fireweedmetals.com) com o seguinte disclaimer:
>Fireweed is not responsible for misuse or manipulation of data, or for any interpretations based on The Dataset. Users agree to use The Dataset for their own purposes only. Fireweed disclaims any liability for any damages, losses, or claims arising out of or in connection with the use of The Dataset.
>
>By accessing, downloading, or using The Dataset, users acknowledge and agree to the terms of this disclaimer. If you do not agree with these terms, refrain from using The Dataset.
"""
# ╔═╡ e615060b-bb5d-490a-ba3a-029a48b77bd3
cfile = CSV.File("data/collar.csv")
# ╔═╡ 9cd26c56-c3a8-4036-8da9-48bc0af11461
sfile = CSV.File("data/survey.csv")
# ╔═╡ f49f872c-7fa4-4482-b8c5-b1fd335ccd42
ifile1 = CSV.File("data/samples.csv")
# ╔═╡ 84300586-d0a8-4d6e-8364-f0c16e27d6b1
ifile2 = CSV.File("data/domains.csv")
# ╔═╡ f6b25b89-a7fc-48ea-b2ec-20c835e66684
md"""
#### Convertendo para tabelas da mineração
Vamos construir juntos o nosso primeiro `Collar`! Basta fornecer o arquivo CSV que foi carregado, e informar os nomes das colunas necessárias, caso elas não sigam um nome padrão:
"""
# ╔═╡ 025d182b-0a26-43d3-a971-31d320b20a70
collar = missing
# ╔═╡ 5caf2c63-8989-41b0-a16c-65ece8ca7e02
md"""
##### Exercício
Agora que você já sabe converter um arquivo CSV para uma tabela `Collar`, repita o processo para construir a nossa primeira tabela `Survey` a partir do arquivo `sfile`:
"""
# ╔═╡ af645676-ec62-4b86-bd1a-13abbe883af9
survey = missing
# ╔═╡ f1134496-fc8b-4390-a565-52852fd8927b
md"""
##### Exercício
Repita o processo para construir duas tabelas `Interval` a partir de `ifile1` e `ifile2`:
"""
# ╔═╡ 2f4ac9b2-8757-4475-bfdb-d039a18ade01
interv1 = missing
# ╔═╡ 0d50e6f4-1f8e-4eba-b6a3-5b4111a2037c
interv2 = missing
# ╔═╡ 68a69185-3bec-43e5-84e3-a2414ab1869b
md"""
#### Realizando desurveying/compositing
Com todas as tabelas definidas, podemos utilizar a função `desurvey` para retornar uma única tabela com todas as variáveis georreferenciadas nas trajetórias dos furos:
"""
# ╔═╡ 239ce2fe-725a-4333-81a4-a6e47daad018
holes = missing
# ╔═╡ ca01ca4c-7965-4594-8d2f-5d08080205d2
md"""
## Geociência de dados 🌎
Com os furos carregados, podemos iniciar os nossos trabalhos de geociência de dados. O pacote DrillHoles.jl é integrado com o framework GeoStats.jl, que provê todas as ferramentas necessárias de manipulação, geoprocessamento, aprendizado geoestatístico e visualização:
"""
# ╔═╡ cfd20913-0372-4c96-aad9-dad802f36e3d
md"""
Para que as visualizações sejam de fato geradas, precisamos utilizar um "backend" de visualização:
"""
# ╔═╡ df9b73b1-6f2d-4838-88f2-7cbd38dca170
import CairoMakie as Mke
# ╔═╡ 12be33d1-7ad9-4e08-a9a1-c88873f051f4
md"""
### Visualização dos furos
Vamos iniciar nossa investigação com o a visualização de todas as variáveis disponíveis. A função `viewer` gera um visualizador dos dados georreferenciados:
"""
# ╔═╡ 07181f5e-8183-4aa2-8149-9ff1d7d02aa7
# holes |> viewer
# ╔═╡ 04b5f070-c84a-45e2-b4d8-151a730b8040
md"""
**Obs:** A interatividade só está disponível nos backends WGLMakie.jl e GLMakie.jl. Esses backends requerem computadores com bom poder de processamento.
Ao final do minicurso, caso acredite ter um bom hardware, tente trocar a célula acima que contém:
```julia
import CairoMakie as Mke
```
para o seguinte backend:
```julia
import WGLMakie as Mke
```
"""
# ╔═╡ 3faef837-a87a-4f3b-a6ef-fa57ad9fb084
warning_box(md"Não recomendamos trocar o backend durante o minicurso, pois isso requer a instalação de pacotes, e reinicialazão do notebook.")
# ╔═╡ 9f6388b9-0509-4a96-84cd-35b5fd382379
md"""
### Limpeza dos dados
Antes de proceder com qualquer geoprocessamento e modelagem matemática, precisamos limpar os dados, e eliminar variáveis que não são relevantes para a nossa análise.
Faremos isso com "transforms" que consomem dados geoespaciais e produzem novos dados geoespaciais com as características desejadas. Neste caso, queremos:
1. selecionar as variáveis teores, densidade, domínio de mineralização e indicador de recuperação
2. eliminar todos valores faltantes de forma a ficar com uma tabela com medições completas
3. adicionar unidades às medições de variáveis contínuas para cálculos robustos
4. processar a variável com indicador de recuperação para maior clareza nos resultados, utilizando a função auxiliar:
"""
# ╔═╡ fe5688e2-5449-43de-a6ef-913120083b2e
highlow(r) = r == "N" ? "High" : "Low"
# ╔═╡ 9042b4b6-176e-4977-9c74-48aaa8a70f20
md"""
Abaixo traduzimos essas etapas de limpeza em forma de código:
"""
# ╔═╡ f498f6a7-b189-4632-a908-b6ae4ac612c7
# clean = holes |> Select(
# 2 => "Ag [ppm]",
# 10 => "Pb [percent]",
# 11 => "Zn [percent]",
# 3 => "ρ [Mg/m^3]",
# 6 => "DOMAIN",
# 8 => "RECOVERY")
# ╔═╡ 52f5860f-08ba-4521-8d35-1f3d9a9149a9
md"""
Explorando os dados no `viewer`, decidimos focar nos domínios de mineralização da zona "Jason". Podemos filtrar os dados da seguinte forma:
"""
# ╔═╡ aed979c2-9788-4e94-8a8b-8f63957690e5
jason = missing
# ╔═╡ f7238281-5a1c-4a27-8bc6-ecd685ddb5dc
# jason |> viewer
# ╔═╡ 3a4da0fb-3a90-41b2-a8f4-7573bca15975
md"""
### Definição dos blocos
Nosso objetivo é criar um modelo de blocos, e preencher esses blocos com estimativas de diferentes variáveis. A definição dos blocos pode ser feita através de um grid.
Primeiro obtemos a caixa que engloba todos os furos usando a função `boundingbox` na coluna `geometry` das amostras da zona "Jason":
"""
# ╔═╡ 934b9a46-9ecf-45bb-ac42-97a3d02ddbb6
bbox = missing
# ╔═╡ 5c97871d-060d-4d1b-9dee-03b2ac64777d
md"""
Em seguida, usamos os pontos extremos da caixa para definir um grid com um certo espaçamento:
"""
# ╔═╡ 9c61d084-d16b-4b4d-b709-f077806cf8d7
grid = missing
# ╔═╡ 496c002b-550b-49ec-9f53-8802db5bfcff
md"""
## Modelo geometalúrgico 🎯
Nosso objetivo é construir um modelo geometalúrgico com teores, densidade e recuperação para os domínios de mineralização da zona "Jason". Primeiro vamos interpolar os teores e densidade no modelo de blocos, e depois vamos prever a recuperação com base nas relações disponíveis nos dados.
"""
# ╔═╡ 9da95e3a-542b-47e0-89e4-e2a5d72a6fd0
md"""
### Interpolação de teores
Neste exemplo, estaremos utilizando um modelo simples de interpolação, já que o propósito deste minicurso é ter uma visão ampla das ferramentas disponíveis. Faremos a interpolação de teores e densidade usando o modelo inverso da distância, conhecido como `IDW`. Salvaremos o resultado no nosso primeiro modelo geoestatístico na variável `GBM` ("Geostatistical Block Model"):
"""
# ╔═╡ 45b26dd5-10ab-4c32-af7c-84304af607d1
# gbm = jason |> Select(1:4) |> InterpolateNeighbors(grid, IDW())
# ╔═╡ b4d77a16-814a-44c8-9cef-4998c7f55e64
# gbm |> Select("Zn") |> viewer
# ╔═╡ 806b46ba-b3b6-4eb2-88bc-ccf918a0b018
md"""
### Predição de recuperação
Para prever recuperação a partir de teores, precisamos primeiro investigar se existe algum potencial nesta modelagem. Uma maneira simples e visual de investigar distribuições multivariadas é utilizar o pacote PairPlots.jl:
"""
# ╔═╡ 1a9a120a-846d-4efd-992d-4194eb1c42c5
md"""
Vejamos a distribuição multivariada de teores neste depósito:
"""
# ╔═╡ 02c8abdf-142a-402b-be27-db948167a5cb
# chemi = jason |> Select(1:3)
# ╔═╡ 5ad4c0ed-6f41-4159-b073-39d1b04c8d73
# recov = jason |> Select(6)
# ╔═╡ f67885b2-9029-4956-b8a9-c064d82f1675
# chemi |> values |> pairplot
# ╔═╡ bc35735b-035d-4f7e-8e99-02b7222ea917
md"""
É bastante difícil visualizar distribuições de teores dado o seu formato "skewed" típico. Para conseguir entender melhor a distribuição multivariada, e por questões estatísticas técnicas além do escopo deste minicurso, vamos utilizar a transform `CLR` e olhar para razões logarítimicas:
"""
# ╔═╡ 85a674e1-814f-4737-b275-c4c284e02ce7
# ratio = chemi |> CLR()
# ╔═╡ 588313b7-f8a7-45d9-baa2-5e5527c6f58a
# ratio |> values |> pairplot
# ╔═╡ b35d4e6c-25c0-457b-b0e0-16a040fefe47
md"""
Para entender se a recuperação pode ser diferenciada a partir de teores, precisamos colorir todas as amostras no plot acima com recuperação "High" ou "Low". Se conseguirmos visualizar regiões do plot com mais concentração de uma das categorias, é sinal que existe uma função a ser aprendida com aprendizado geoestatístico.
Toda vez que a recuperação for "High", marcaremos o ponto com a cor `teal`; e toda vez que a recuperação for "Low", marcaremos o ponto com a cor `red`:
"""
# ╔═╡ bcf3dacd-97f0-46a6-98a0-960674cbf4ca
# let
# table = ratio |> values
# color = ifelse.(jason.RECOVERY .== "High", "teal", "red")
# pairplot(
# table => (
# PairPlots.Scatter(color=color, markersize=2),
# PairPlots.MarginDensity(),
# )
# )
# end
# ╔═╡ 5768d7a9-987e-4520-90ac-6bc1c0ef4d7c
md"""
Para os propósitos deste minicurso, vamos abstrair um pouco o "overlap" de cores no plot, e vamos assumir que existe uma região majoritariamente vermelha de amostras com baixa recuperação.
Treinaremos um modelo de aprendizado de máquina que mapeia teores, ou suas razões logarítimicas para recuperação. Precisamos construir uma tabela conhecida como tabela de treinamento para o modelo:
"""
# ╔═╡ 06695ef2-2796-48ce-a392-6694b00122d5
# train = [ratio recov]
# ╔═╡ e6c39168-2de1-4c1d-b2b0-dd304d374951
md"""
Essa tabela define, de forma implícita, todas as relações entre as variáveis de entrada (e.g. `CLR1`, `CLR2`, `CLR3`), e as variáveis de saída (e.g. `RECOVERY`) do modelo preditivo.
Neste exemplo, utilizaremos o modelo `RandomForestClassifier`:
"""
# ╔═╡ 974ffa81-a44b-4beb-95fb-e763554aaeb1
# model = RandomForestClassifier()
# ╔═╡ aa8c018e-db2b-4018-873f-3e2d630b50b3
md"""
Podemos então definir as variáveis de entrada no `GBM`:
"""
# ╔═╡ 8f0903a6-a8d2-4e1c-a3e0-5c81a5290bcb
# clr = gbm |> Select(1:3) |> CLR()
# ╔═╡ ab2e4868-6518-4d5c-a9ba-0652963405d5
md"""
E prever recuperação nos blocos com o modelo preditivo:
"""
# ╔═╡ d90b8c4f-79c3-47fc-85ab-0684e6ffdd8d
# rec = clr |> Learn(train, model, [1, 2, 3] => "RECOVERY")
# ╔═╡ 3577ac41-87f3-42f6-ae57-c815dad2561f
md"""
Finalmente temos nosso primeiro modelo geometalúrgico, que chamaremos de `GMBM` ("Geometallurgical Block Model"):
"""
# ╔═╡ cd87cdeb-87c3-4807-9406-185e0bb90382
# gmbm = [gbm rec]
# ╔═╡ 42887605-74d0-46b9-92ff-852c1bf18d76
# gmbm |> Select("RECOVERY") |> viewer
# ╔═╡ 7303fa7a-bd27-4a34-b0f7-2400c4bf0776
md"""
## Parcerias e projetos 🫱🏽🫲🏼
O [GeoStats.jl](https://juliaearth.github.io/GeoStatsDocs/stable) é o framework para geociência de dados e modelagem geospacial mais poderoso da atualidade. Além de uma **comunidade internacional** cada vez mais engajada, ele está sendo utilizado em projetos reais com a indústria e é totalmente **gratuito**.
A [Arpeggeo®](https://arpeggeo.tech) desenvolve o framework, e constroe soluções avançadas utilizando essas ferramentas abertas. Entre em contato conosco caso precise de uma solução customizada para os desafios de geometalurgia na sua empresa: [[email protected]](mailto:[email protected])
"""
# ╔═╡ ee289f87-364e-46f7-8cc9-7256356dccd6
html"""
<center>
<a href="https://arpeggeo.tech"><img src="https://i.imgur.com/xgq72Z7.png" height=300>
"""
# ╔═╡ 00000000-0000-0000-0000-000000000001
PLUTO_PROJECT_TOML_CONTENTS = """
[deps]
CSV = "336ed68f-0bac-5ca0-87d4-7b16caf5d00b"
CairoMakie = "13f3f980-e62b-5c42-98c6-ff1f3baf88f0"
DrillHoles = "9d36f3b5-8124-4f7e-bcda-df733105c718"
GeoStats = "dcc97b0b-8ce5-5539-9008-bb190f959ef6"
PairPlots = "43a3c2be-4208-490b-832a-a21dcd55d7da"
PlutoTeachingTools = "661c6b06-c737-4d37-b85c-46df65de6f69"
PlutoUI = "7f904dfe-b85e-4ff6-b463-dae2292396a8"
[compat]
CSV = "~0.10.14"
CairoMakie = "~0.12.3"
DrillHoles = "~1.3.5"
GeoStats = "~0.59.0"
PairPlots = "~2.7.3"
PlutoTeachingTools = "~0.2.15"
PlutoUI = "~0.7.59"
"""
# ╔═╡ 00000000-0000-0000-0000-000000000002
PLUTO_MANIFEST_TOML_CONTENTS = """
# This file is machine-generated - editing it directly is not advised
julia_version = "1.10.4"
manifest_format = "2.0"
project_hash = "b35234d7fbf9338c23a87214618a3c4a714d4bf7"
[[deps.AbstractFFTs]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "d92ad398961a3ed262d8bf04a1a2b8340f915fef"
uuid = "621f4979-c628-5d54-868e-fcf4e3e8185c"
version = "1.5.0"
weakdeps = ["ChainRulesCore", "Test"]
[deps.AbstractFFTs.extensions]
AbstractFFTsChainRulesCoreExt = "ChainRulesCore"
AbstractFFTsTestExt = "Test"
[[deps.AbstractPlutoDingetjes]]
deps = ["Pkg"]
git-tree-sha1 = "6e1d2a35f2f90a4bc7c2ed98079b2ba09c35b83a"
uuid = "6e696c72-6542-2067-7265-42206c756150"
version = "1.3.2"
[[deps.AbstractTrees]]
git-tree-sha1 = "2d9c9a55f9c93e8887ad391fbae72f8ef55e1177"
uuid = "1520ce14-60c1-5f80-bbc7-55ef81b5835c"
version = "0.4.5"
[[deps.Accessors]]
deps = ["CompositionsBase", "ConstructionBase", "Dates", "InverseFunctions", "LinearAlgebra", "MacroTools", "Markdown", "Test"]
git-tree-sha1 = "c0d491ef0b135fd7d63cbc6404286bc633329425"
uuid = "7d9f7c33-5ae7-4f3b-8dc6-eff91059b697"
version = "0.1.36"
[deps.Accessors.extensions]
AccessorsAxisKeysExt = "AxisKeys"
AccessorsIntervalSetsExt = "IntervalSets"
AccessorsStaticArraysExt = "StaticArrays"
AccessorsStructArraysExt = "StructArrays"
AccessorsUnitfulExt = "Unitful"
[deps.Accessors.weakdeps]
AxisKeys = "94b1ba4f-4ee9-5380-92f1-94cde586c3c5"
IntervalSets = "8197267c-284f-5f27-9208-e0e47529a953"
Requires = "ae029012-a4dd-5104-9daa-d747884805df"
StaticArrays = "90137ffa-7385-5640-81b9-e52037218182"
StructArrays = "09ab397b-f2b6-538f-b94a-2f83cf4a842a"
Unitful = "1986cc42-f94f-5a68-af5c-568840ba703d"
[[deps.Adapt]]
deps = ["LinearAlgebra", "Requires"]
git-tree-sha1 = "6a55b747d1812e699320963ffde36f1ebdda4099"
uuid = "79e6a3ab-5dfb-504d-930d-738a2a938a0e"
version = "4.0.4"
weakdeps = ["StaticArrays"]
[deps.Adapt.extensions]
AdaptStaticArraysExt = "StaticArrays"
[[deps.AliasTables]]
deps = ["PtrArrays", "Random"]
git-tree-sha1 = "9876e1e164b144ca45e9e3198d0b689cadfed9ff"
uuid = "66dad0bd-aa9a-41b7-9441-69ab47430ed8"
version = "1.1.3"
[[deps.Animations]]
deps = ["Colors"]
git-tree-sha1 = "e81c509d2c8e49592413bfb0bb3b08150056c79d"
uuid = "27a7e980-b3e6-11e9-2bcd-0b925532e340"
version = "0.4.1"
[[deps.ArgCheck]]
git-tree-sha1 = "a3a402a35a2f7e0b87828ccabbd5ebfbebe356b4"
uuid = "dce04be8-c92d-5529-be00-80e4d2c0e197"
version = "2.3.0"
[[deps.ArgTools]]
uuid = "0dad84c5-d112-42e6-8d28-ef12dabb789f"
version = "1.1.1"
[[deps.ArnoldiMethod]]
deps = ["LinearAlgebra", "Random", "StaticArrays"]
git-tree-sha1 = "d57bd3762d308bded22c3b82d033bff85f6195c6"
uuid = "ec485272-7323-5ecc-a04f-4719b315124d"
version = "0.4.0"
[[deps.ArrayInterface]]
deps = ["Adapt", "LinearAlgebra", "SparseArrays", "SuiteSparse"]
git-tree-sha1 = "ed2ec3c9b483842ae59cd273834e5b46206d6dda"
uuid = "4fba245c-0d91-5ea0-9b3e-6abc04ee57a9"
version = "7.11.0"
[deps.ArrayInterface.extensions]
ArrayInterfaceBandedMatricesExt = "BandedMatrices"
ArrayInterfaceBlockBandedMatricesExt = "BlockBandedMatrices"
ArrayInterfaceCUDAExt = "CUDA"
ArrayInterfaceCUDSSExt = "CUDSS"
ArrayInterfaceChainRulesExt = "ChainRules"
ArrayInterfaceGPUArraysCoreExt = "GPUArraysCore"
ArrayInterfaceReverseDiffExt = "ReverseDiff"
ArrayInterfaceStaticArraysCoreExt = "StaticArraysCore"
ArrayInterfaceTrackerExt = "Tracker"
[deps.ArrayInterface.weakdeps]
BandedMatrices = "aae01518-5342-5314-be14-df237901396f"
BlockBandedMatrices = "ffab5731-97b5-5995-9138-79e8c1846df0"
CUDA = "052768ef-5323-5732-b1bb-66c8b64840ba"
CUDSS = "45b445bb-4962-46a0-9369-b4df9d0f772e"
ChainRules = "082447d4-558c-5d27-93f4-14fc19e9eca2"
GPUArraysCore = "46192b85-c4d5-4398-a991-12ede77f4527"
ReverseDiff = "37e2e3b7-166d-5795-8a7a-e32c996b4267"
StaticArraysCore = "1e83bf80-4336-4d27-bf5d-d5a4f845583c"
Tracker = "9f7883ad-71c0-57eb-9f7f-b5c9e6d3789c"
[[deps.Artifacts]]
uuid = "56f22d72-fd6d-98f1-02f0-08ddc0907c33"
[[deps.Automa]]
deps = ["PrecompileTools", "TranscodingStreams"]
git-tree-sha1 = "588e0d680ad1d7201d4c6a804dcb1cd9cba79fbb"
uuid = "67c07d97-cdcb-5c2c-af73-a7f9c32a568b"
version = "1.0.3"
[[deps.AxisAlgorithms]]
deps = ["LinearAlgebra", "Random", "SparseArrays", "WoodburyMatrices"]
git-tree-sha1 = "01b8ccb13d68535d73d2b0c23e39bd23155fb712"
uuid = "13072b0f-2c55-5437-9ae7-d433b7a33950"
version = "1.1.0"
[[deps.AxisArrays]]
deps = ["Dates", "IntervalSets", "IterTools", "RangeArrays"]
git-tree-sha1 = "16351be62963a67ac4083f748fdb3cca58bfd52f"
uuid = "39de3d68-74b9-583c-8d2d-e117c070f3a9"
version = "0.4.7"
[[deps.BangBang]]
deps = ["Accessors", "Compat", "ConstructionBase", "InitialValues", "LinearAlgebra", "Requires"]
git-tree-sha1 = "08e5fc6620a8d83534bf6149795054f1b1e8370a"
uuid = "198e06fe-97b7-11e9-32a5-e1d131e6ad66"
version = "0.4.2"
weakdeps = ["ChainRulesCore", "DataFrames", "StaticArrays", "StructArrays", "Tables", "TypedTables"]
[deps.BangBang.extensions]
BangBangChainRulesCoreExt = "ChainRulesCore"
BangBangDataFramesExt = "DataFrames"
BangBangStaticArraysExt = "StaticArrays"
BangBangStructArraysExt = "StructArrays"
BangBangTablesExt = "Tables"
BangBangTypedTablesExt = "TypedTables"
[[deps.Base64]]
uuid = "2a0f44e3-6c83-55bd-87e4-b1978d98bd5f"
[[deps.Baselet]]
git-tree-sha1 = "aebf55e6d7795e02ca500a689d326ac979aaf89e"
uuid = "9718e550-a3fa-408a-8086-8db961cd8217"
version = "0.1.1"
[[deps.Bessels]]
git-tree-sha1 = "4435559dc39793d53a9e3d278e185e920b4619ef"
uuid = "0e736298-9ec6-45e8-9647-e4fc86a2fe38"
version = "0.2.8"
[[deps.Bzip2_jll]]
deps = ["Artifacts", "JLLWrappers", "Libdl", "Pkg"]
git-tree-sha1 = "9e2a6b69137e6969bab0152632dcb3bc108c8bdd"
uuid = "6e34b625-4abd-537c-b88f-471c36dfa7a0"
version = "1.0.8+1"
[[deps.CEnum]]
git-tree-sha1 = "389ad5c84de1ae7cf0e28e381131c98ea87d54fc"
uuid = "fa961155-64e5-5f13-b03f-caf6b980ea82"
version = "0.5.0"
[[deps.CRC32c]]
uuid = "8bf52ea8-c179-5cab-976a-9e18b702a9bc"
[[deps.CRlibm_jll]]
deps = ["Artifacts", "JLLWrappers", "Libdl", "Pkg"]
git-tree-sha1 = "e329286945d0cfc04456972ea732551869af1cfc"
uuid = "4e9b3aee-d8a1-5a3d-ad8b-7d824db253f0"
version = "1.0.1+0"
[[deps.CSV]]
deps = ["CodecZlib", "Dates", "FilePathsBase", "InlineStrings", "Mmap", "Parsers", "PooledArrays", "PrecompileTools", "SentinelArrays", "Tables", "Unicode", "WeakRefStrings", "WorkerUtilities"]
git-tree-sha1 = "6c834533dc1fabd820c1db03c839bf97e45a3fab"
uuid = "336ed68f-0bac-5ca0-87d4-7b16caf5d00b"
version = "0.10.14"
[[deps.Cairo]]
deps = ["Cairo_jll", "Colors", "Glib_jll", "Graphics", "Libdl", "Pango_jll"]
git-tree-sha1 = "d0b3f8b4ad16cb0a2988c6788646a5e6a17b6b1b"
uuid = "159f3aea-2a34-519c-b102-8c37f9878175"
version = "1.0.5"
[[deps.CairoMakie]]
deps = ["CRC32c", "Cairo", "Cairo_jll", "Colors", "FileIO", "FreeType", "GeometryBasics", "LinearAlgebra", "Makie", "PrecompileTools"]
git-tree-sha1 = "3441d68ea63944a2b9b6de76603ec1c8b0fd4e3e"
uuid = "13f3f980-e62b-5c42-98c6-ff1f3baf88f0"
version = "0.12.3"
[[deps.Cairo_jll]]
deps = ["Artifacts", "Bzip2_jll", "CompilerSupportLibraries_jll", "Fontconfig_jll", "FreeType2_jll", "Glib_jll", "JLLWrappers", "LZO_jll", "Libdl", "Pixman_jll", "Xorg_libXext_jll", "Xorg_libXrender_jll", "Zlib_jll", "libpng_jll"]
git-tree-sha1 = "a2f1c8c668c8e3cb4cca4e57a8efdb09067bb3fd"
uuid = "83423d85-b0ee-5818-9007-b63ccbeb887a"
version = "1.18.0+2"
[[deps.Calculus]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "f641eb0a4f00c343bbc32346e1217b86f3ce9dad"
uuid = "49dc2e85-a5d0-5ad3-a950-438e2897f1b9"
version = "0.5.1"
[[deps.CategoricalArrays]]
deps = ["DataAPI", "Future", "Missings", "Printf", "Requires", "Statistics", "Unicode"]
git-tree-sha1 = "1568b28f91293458345dabba6a5ea3f183250a61"
uuid = "324d7699-5711-5eae-9e2f-1d82baa6b597"
version = "0.10.8"
[deps.CategoricalArrays.extensions]
CategoricalArraysJSONExt = "JSON"
CategoricalArraysRecipesBaseExt = "RecipesBase"
CategoricalArraysSentinelArraysExt = "SentinelArrays"
CategoricalArraysStructTypesExt = "StructTypes"
[deps.CategoricalArrays.weakdeps]
JSON = "682c06a0-de6a-54ab-a142-c8b1cf79cde6"
RecipesBase = "3cdcf5f2-1ef4-517c-9805-6587b60abb01"
SentinelArrays = "91c51154-3ec4-41a3-a24f-3f23e20d615c"
StructTypes = "856f2bd8-1eba-4b0a-8007-ebc267875bd4"
[[deps.Chain]]
git-tree-sha1 = "9ae9be75ad8ad9d26395bf625dea9beac6d519f1"
uuid = "8be319e6-bccf-4806-a6f7-6fae938471bc"
version = "0.6.0"
[[deps.ChainRules]]
deps = ["Adapt", "ChainRulesCore", "Compat", "Distributed", "GPUArraysCore", "IrrationalConstants", "LinearAlgebra", "Random", "RealDot", "SparseArrays", "SparseInverseSubset", "Statistics", "StructArrays", "SuiteSparse"]
git-tree-sha1 = "227985d885b4dbce5e18a96f9326ea1e836e5a03"
uuid = "082447d4-558c-5d27-93f4-14fc19e9eca2"
version = "1.69.0"
[[deps.ChainRulesCore]]
deps = ["Compat", "LinearAlgebra"]
git-tree-sha1 = "71acdbf594aab5bbb2cec89b208c41b4c411e49f"
uuid = "d360d2e6-b24c-11e9-a2a3-2a2ae2dbcce4"
version = "1.24.0"
weakdeps = ["SparseArrays"]
[deps.ChainRulesCore.extensions]
ChainRulesCoreSparseArraysExt = "SparseArrays"
[[deps.CircularArrays]]
deps = ["OffsetArrays"]
git-tree-sha1 = "e24a6f390e5563583bb4315c73035b5b3f3e7ab4"
uuid = "7a955b69-7140-5f4e-a0ed-f168c5e2e749"
version = "1.4.0"
[[deps.Clustering]]
deps = ["Distances", "LinearAlgebra", "NearestNeighbors", "Printf", "Random", "SparseArrays", "Statistics", "StatsBase"]
git-tree-sha1 = "9ebb045901e9bbf58767a9f34ff89831ed711aae"
uuid = "aaaa29a8-35af-508c-8bc3-b662a17a0fe5"
version = "0.15.7"
[[deps.CoDa]]
deps = ["AxisArrays", "Distances", "Distributions", "FillArrays", "LinearAlgebra", "Printf", "Random", "StaticArrays", "Statistics", "Tables"]
git-tree-sha1 = "0ae819d8911029b988479b8b447bf4fad4b5bfa7"
uuid = "5900dafe-f573-5c72-b367-76665857777b"
version = "1.4.0"
[[deps.CodeTracking]]
deps = ["InteractiveUtils", "UUIDs"]
git-tree-sha1 = "c0216e792f518b39b22212127d4a84dc31e4e386"
uuid = "da1fd8a2-8d9e-5ec2-8556-3022fb5608a2"
version = "1.3.5"
[[deps.CodecZlib]]
deps = ["TranscodingStreams", "Zlib_jll"]
git-tree-sha1 = "59939d8a997469ee05c4b4944560a820f9ba0d73"
uuid = "944b1d66-785c-5afd-91f1-9de20f533193"
version = "0.7.4"
[[deps.ColorBrewer]]
deps = ["Colors", "JSON", "Test"]
git-tree-sha1 = "61c5334f33d91e570e1d0c3eb5465835242582c4"
uuid = "a2cac450-b92f-5266-8821-25eda20663c8"
version = "0.4.0"
[[deps.ColorSchemes]]
deps = ["ColorTypes", "ColorVectorSpace", "Colors", "FixedPointNumbers", "PrecompileTools", "Random"]
git-tree-sha1 = "4b270d6465eb21ae89b732182c20dc165f8bf9f2"
uuid = "35d6a980-a343-548e-a6ea-1d62b119f2f4"
version = "3.25.0"
[[deps.ColorTypes]]
deps = ["FixedPointNumbers", "Random"]
git-tree-sha1 = "b10d0b65641d57b8b4d5e234446582de5047050d"
uuid = "3da002f7-5984-5a60-b8a6-cbb66c0b333f"
version = "0.11.5"
[[deps.ColorVectorSpace]]
deps = ["ColorTypes", "FixedPointNumbers", "LinearAlgebra", "Requires", "Statistics", "TensorCore"]
git-tree-sha1 = "a1f44953f2382ebb937d60dafbe2deea4bd23249"
uuid = "c3611d14-8923-5661-9e6a-0046d554d3a4"
version = "0.10.0"
weakdeps = ["SpecialFunctions"]
[deps.ColorVectorSpace.extensions]
SpecialFunctionsExt = "SpecialFunctions"
[[deps.Colorfy]]
deps = ["ColorSchemes", "Colors", "Dates"]
git-tree-sha1 = "a5848900db241a94af4e6573dcb1d6dcdd999bd2"
uuid = "03fe91ce-8ec6-4610-8e8d-e7491ccca690"
version = "0.1.4"
weakdeps = ["CategoricalArrays", "Distributions", "Unitful"]
[deps.Colorfy.extensions]
ColorfyCategoricalArraysExt = "CategoricalArrays"
ColorfyDistributionsExt = "Distributions"
ColorfyUnitfulExt = "Unitful"
[[deps.Colors]]
deps = ["ColorTypes", "FixedPointNumbers", "Reexport"]
git-tree-sha1 = "362a287c3aa50601b0bc359053d5c2468f0e7ce0"
uuid = "5ae59095-9a9b-59fe-a467-6f913c188581"
version = "0.12.11"
[[deps.ColumnSelectors]]
git-tree-sha1 = "221157488d6e5942ef8cc53086cad651b632ed4e"
uuid = "9cc86067-7e36-4c61-b350-1ac9833d277f"
version = "0.1.1"
[[deps.Combinatorics]]
git-tree-sha1 = "08c8b6831dc00bfea825826be0bc8336fc369860"
uuid = "861a8166-3701-5b0c-9a16-15d98fcdc6aa"
version = "1.0.2"
[[deps.CommonSubexpressions]]
deps = ["MacroTools", "Test"]
git-tree-sha1 = "7b8a93dba8af7e3b42fecabf646260105ac373f7"
uuid = "bbf7d656-a473-5ed7-a52c-81e309532950"
version = "0.3.0"
[[deps.Compat]]
deps = ["TOML", "UUIDs"]
git-tree-sha1 = "b1c55339b7c6c350ee89f2c1604299660525b248"
uuid = "34da2185-b29b-5c13-b0c7-acf172513d20"
version = "4.15.0"
weakdeps = ["Dates", "LinearAlgebra"]
[deps.Compat.extensions]
CompatLinearAlgebraExt = "LinearAlgebra"
[[deps.CompilerSupportLibraries_jll]]
deps = ["Artifacts", "Libdl"]
uuid = "e66e0078-7015-5450-92f7-15fbd957f2ae"
version = "1.1.1+0"
[[deps.CompositionsBase]]
git-tree-sha1 = "802bb88cd69dfd1509f6670416bd4434015693ad"
uuid = "a33af91c-f02d-484b-be07-31d278c5ca2b"
version = "0.1.2"
weakdeps = ["InverseFunctions"]
[deps.CompositionsBase.extensions]
CompositionsBaseInverseFunctionsExt = "InverseFunctions"
[[deps.ConstructionBase]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "260fd2400ed2dab602a7c15cf10c1933c59930a2"
uuid = "187b0558-2788-49d3-abe0-74a17ed4e7c9"
version = "1.5.5"
weakdeps = ["IntervalSets", "StaticArrays"]
[deps.ConstructionBase.extensions]
ConstructionBaseIntervalSetsExt = "IntervalSets"
ConstructionBaseStaticArraysExt = "StaticArrays"
[[deps.Contour]]
git-tree-sha1 = "439e35b0b36e2e5881738abc8857bd92ad6ff9a8"
uuid = "d38c429a-6771-53c6-b99e-75d170b6e991"
version = "0.6.3"
[[deps.CoordRefSystems]]
deps = ["Random", "Rotations", "StaticArrays", "Unitful", "Zygote"]
git-tree-sha1 = "338271d93aa07818d5f8d1aa5b94548730a65f6b"
uuid = "b46f11dc-f210-4604-bfba-323c1ec968cb"
version = "0.7.4"
[[deps.CpuId]]
deps = ["Markdown"]
git-tree-sha1 = "fcbb72b032692610bfbdb15018ac16a36cf2e406"
uuid = "adafc99b-e345-5852-983c-f28acb93d879"
version = "0.3.1"
[[deps.Crayons]]
git-tree-sha1 = "249fe38abf76d48563e2f4556bebd215aa317e15"
uuid = "a8cc5b0e-0ffa-5ad4-8c14-923d3ee1735f"
version = "4.1.1"
[[deps.DataAPI]]
git-tree-sha1 = "abe83f3a2f1b857aac70ef8b269080af17764bbe"
uuid = "9a962f9c-6df0-11e9-0e5d-c546b8b5ee8a"
version = "1.16.0"
[[deps.DataFrames]]
deps = ["Compat", "DataAPI", "DataStructures", "Future", "InlineStrings", "InvertedIndices", "IteratorInterfaceExtensions", "LinearAlgebra", "Markdown", "Missings", "PooledArrays", "PrecompileTools", "PrettyTables", "Printf", "REPL", "Random", "Reexport", "SentinelArrays", "SortingAlgorithms", "Statistics", "TableTraits", "Tables", "Unicode"]
git-tree-sha1 = "04c738083f29f86e62c8afc341f0967d8717bdb8"
uuid = "a93c6f00-e57d-5684-b7b6-d8193f3e46c0"
version = "1.6.1"
[[deps.DataScienceTraits]]
deps = ["Dates"]
git-tree-sha1 = "ffea2fbbaa503ad02a13183e2ef24bc1d0522b62"
uuid = "6cb2f572-2d2b-4ba6-bdb3-e710fa044d6c"
version = "0.3.2"
[deps.DataScienceTraits.extensions]
DataScienceTraitsCategoricalArraysExt = "CategoricalArrays"
DataScienceTraitsCoDaExt = "CoDa"
DataScienceTraitsDistributionsExt = "Distributions"
DataScienceTraitsDynamicQuantitiesExt = "DynamicQuantities"
DataScienceTraitsMeshesExt = "Meshes"
DataScienceTraitsUnitfulExt = "Unitful"
[deps.DataScienceTraits.weakdeps]
CategoricalArrays = "324d7699-5711-5eae-9e2f-1d82baa6b597"
CoDa = "5900dafe-f573-5c72-b367-76665857777b"
Distributions = "31c24e10-a181-5473-b8eb-7969acd0382f"
DynamicQuantities = "06fc5a27-2a28-4c7c-a15d-362465fb6821"
Meshes = "eacbb407-ea5a-433e-ab97-5258b1ca43fa"
Unitful = "1986cc42-f94f-5a68-af5c-568840ba703d"
[[deps.DataStructures]]
deps = ["Compat", "InteractiveUtils", "OrderedCollections"]
git-tree-sha1 = "1d0a14036acb104d9e89698bd408f63ab58cdc82"
uuid = "864edb3b-99cc-5e75-8d2d-829cb0a9cfe8"
version = "0.18.20"
[[deps.DataValueInterfaces]]
git-tree-sha1 = "bfc1187b79289637fa0ef6d4436ebdfe6905cbd6"
uuid = "e2d170a0-9d28-54be-80f0-106bbe20a464"
version = "1.0.0"
[[deps.Dates]]
deps = ["Printf"]
uuid = "ade2ca70-3891-5945-98fb-dc099432e06a"
[[deps.DecisionTree]]
deps = ["AbstractTrees", "DelimitedFiles", "LinearAlgebra", "Random", "ScikitLearnBase", "Statistics"]
git-tree-sha1 = "526ca14aaaf2d5a0e242f3a8a7966eb9065d7d78"
uuid = "7806a523-6efd-50cb-b5f6-3fa6f1930dbb"
version = "0.12.4"
[[deps.DefineSingletons]]
git-tree-sha1 = "0fba8b706d0178b4dc7fd44a96a92382c9065c2c"
uuid = "244e2a9f-e319-4986-a169-4d1fe445cd52"
version = "0.1.2"
[[deps.DelaunayTriangulation]]
deps = ["EnumX", "ExactPredicates", "Random"]
git-tree-sha1 = "1755070db557ec2c37df2664c75600298b0c1cfc"
uuid = "927a84f5-c5f4-47a5-9785-b46e178433df"
version = "1.0.3"
[[deps.DelimitedFiles]]
deps = ["Mmap"]
git-tree-sha1 = "9e2f36d3c96a820c678f2f1f1782582fcf685bae"
uuid = "8bb1440f-4735-579b-a4ab-409b98df4dab"
version = "1.9.1"
[[deps.DensityRatioEstimation]]
deps = ["LinearAlgebra", "Parameters", "Random", "Statistics", "StatsBase"]
git-tree-sha1 = "46f889c3c8d3421c0d53f31a814d705c25fcb0f7"
uuid = "ab46fb84-d57c-11e9-2f65-6f72e4a7229f"
version = "1.2.3"
[deps.DensityRatioEstimation.extensions]
DensityRatioEstimationChainRulesCoreExt = "ChainRulesCore"
DensityRatioEstimationConvexExt = ["Convex", "ECOS"]
DensityRatioEstimationGPUArraysExt = "GPUArrays"
DensityRatioEstimationJuMPExt = ["JuMP", "Ipopt"]
DensityRatioEstimationOptimExt = "Optim"
[deps.DensityRatioEstimation.weakdeps]
ChainRulesCore = "d360d2e6-b24c-11e9-a2a3-2a2ae2dbcce4"
Convex = "f65535da-76fb-5f13-bab9-19810c17039a"
ECOS = "e2685f51-7e38-5353-a97d-a921fd2c8199"
GPUArrays = "0c68f7d7-f131-5f86-a1c3-88cf8149b2d7"
Ipopt = "b6b21f68-93f8-5de0-b562-5493be1d77c9"
JuMP = "4076af6c-e467-56ae-b986-b466b2749572"
Optim = "429524aa-4258-5aef-a3af-852621145aeb"
[[deps.Dictionaries]]
deps = ["Indexing", "Random", "Serialization"]
git-tree-sha1 = "35b66b6744b2d92c778afd3a88d2571875664a2a"