اکتشاف مواد معدنی یک کار چند رشته ای است که نیاز به توجه همزمان از مجموعه داده های ژئوفیزیک، زمین شناسی و ژئوشیمیایی متفاوت به انضمام روش های کارآمد و موثر جدید دارد. این مسئله نیاز به ادغام موثر و تجزیه و تحلیل داده های مختلف جغرافیایی با فرمت ها و ویژگی های مختلف با کمک برنامه های کاربردی دارد. استفاده از روش جدید برداشت مغناطیسی به کمک پهپاد می تواند مزایای زیادی از جمله کاهش زمان، هزینه ی اولیه و خطرات جانی، افزایش مساحت منطقه ی مورد مطالعه و انعطاف پذیری بالا را در پی داشته باشد. هدف از سیستم شبکه ی عصبی مصنوعی، ساخت یک مدل از فرایند تولید داده ها است، به طوری که شبکه می تواند خروجی ها را از ورودی هایی که قبلا دیده نشده است، تعمیم داده و پیش بینی کند. در این مطالعه با استفاده از داده های مغناطیس سنجی برداشت شده توسط پهپاد و دستگاه زمینی پروتون در محیط برنامه نویسی پایتون سه مدل رگرسیون نظارت شده اجرا شد. این سه مدل، رگرسیون خطی، جنگل تصادفی و گرادیان تقویت شده می باشند. در نهایت گرادیان تقویت شده با توجه به نتایج آماری بهتر شامل میانگین خطای مربع و میانگین خطای مطلق در داده های آموزشی به ترتیب 0.0004 و 0.01 و در داده های آزمایشی به ترتیب 0.001 و 0.02 و در داده های اعتبارسنجی به ترتیب 0.001 و 0.01 و همچنین به علت پایدار بودن شبکه به عنوان مدل مورد استفاده برای پیش-بینی انتخاب شد.
