共查询到19条相似文献，搜索用时 203 毫秒
1.
影响矿石体重的因素很多,如矿石的密度、湿度、物质组成的种类、含量等。确定矿石体重的传统做法——平均体重法主要考虑的是前二种属于物理方面的因素;而测重于考虑后二种属于化学方面的因素的方法——回归预测法,是确定矿石体重的另一个方法,它是依据矿石中元素的含量与矿石体重的相关关系,应用回归分析法建立一个函数关系式,利用此关系式用矿石中元素的含量来动态地确定矿石的体重。将这个方法的使用效果与平均体重法进行对比,前者比后者好。 相似文献
2.
在资源储量估算的过程中,矿石小体重的准确与否将直接影响到资源储量估算的客观程度。对矿石小体重的准确预测将需要通过大量的统计分析工作,传统的方法是利用矿石小体重的算术平均值进行估算矿床资源储量,并没有考虑到多矿种对矿石小体重的影响程度。本文利用Excel软件"数据分析"的"回归"功能模块,对实验室所测定的矿石小体重值与其对应品位进行二元线性回归分析,快速、准确地构建矿石体重与其品位的数学模型,从而为资源储量估算提供了更客观、更科学的矿石体重模型。 相似文献
3.
4.
在矿床储量计算过程中,矿石体重预测的准确与否将直接影响到资源储储量的可靠程度.对矿石体重的准确预测需要大量运算的统计问题,利用SPSS(Statistical Product and Service Solutions)的Regression模块,对所测定的矿石小体重与其矿石品位进行多元回归分析,快速、准确的构建了矿石体重与品位的数学模型,从而为储量计算提供了科学依据. 相似文献
5.
根据几何法储量计算过程,编制了若干实用小程序,组装成储量计算小助手.程序包括矿石平均品位、矿体厚度计算,小体重线性回归分析、共伴生元素(矿石品位与厚度)相关分析,矿体品位(厚度)变化系数计算,样品内(外)检合格率统计,经纬度与直角坐标转换,以及单工程矿体圈定、综合指标矿体圈定和矿体体积、矿石量、金属量计算等问题,极大地... 相似文献
6.
7.
为了能在地质勘查和试验的基础上对碎石土滑坡稳定性进行评价,构建了一元多重属性回归模型。基于官家滑坡的14个工程地质剖面的实测资料,选取滑体重量、滑面倾角、滑面长度、水力坡度、浸水面积、内聚力、内摩擦角7个影响因素,采用模型对影响因素和稳定性系数进行回归分析和影响因素显著性研究,得到计算稳定性系数的回归方程,并利用新昌下山滑坡进行模型准确性验证。研究结果表明：根据模型建立的线性回归方程回归性显著,能够用模型对滑坡进行稳定性计算分析;通过模型得出对稳定性系数有显著性影响的因素,综合滑坡实际地质状况确定地下水对稳定性有显著的影响,有助于开展滑坡灾害预警预报工作和采取有效的工程治理措施;新昌下山滑坡介于稳定与较不稳定状态之间,在降雨量比较大的时段应加强监测。 相似文献
8.
深穿透地球化学是针对寻找隐伏矿的需求而发展起来的一门新的地球化学分支学科,其理论基础由连续的几个要素构成:元素向地表的迁移机理→迁移到地表以后的赋存介质和赋存形式→形成异常模式的特征.本文针对元素从深部隐伏矿体向地表的迁移机理,总结了传统的具有代表性的3种迁移模型,包括离子扩散迁移模型、地下水溶解迁移模型和电化学迁移模型,并根据最新的研究成果,提出了地气流迁移模型和多营力迁移模型.这些模型的系统总结和提出对深穿透地球化学理论基础的建立和研究隐伏矿体元素的三维分散模式具有重要理论意义. 相似文献
9.
研究程度较低地区的矿产资源潜力评估方法应用研究 总被引：4，自引：0，他引：4
具一定数量并有确定储量的模型单元是建立矿产资源潜力预测模型的基础.在勘探程度较低地区已知储量的模型单元极少条件下,为了开展资源潜力评估,引用丰度估计法、聚类分析和加权丰度进行银矿资源的潜力预测,并对其不同预测结果进行比较研究和综合评价,其预测成果具有一定可靠性.聚类分析谱系图直观,可综合利用地质、物探、化探、遥感多个变量对样本进行分类,其结果比一般传统分类方法更全面合理;丰度估计法适用于成矿规律相类似地区及以矿石矿物形式存在的元素含量的分析;加权丰度适合于多矿种的矿化系列的靶区定量预测.当研究区模型单元很少时,预测方法的采用,应取决于研究区资料收集的类型及数量等:如地质、物探、化探、遥感资料较齐全,就用聚类分析,结合另两种方法进行相互印证.对模型单元所提取的统计参数要尽可能代表研究区单元所具有的特征. 相似文献
10.
闽中梅仙丁家山铅锌矿床硫化物微量元素地球化学特征及其成矿意义 总被引：1，自引：1，他引：0
梅仙丁家山铅锌矿床是闽中新元古代马面山群中多个大中型铅锌多金属矿床的典型代表.本文以丁家山铅锌矿床两类矿石(含磁黄铁矿矿石和含磁铁矿矿石)内的闪锌矿和黄铁矿为研究对象,通过电子探针及LA-ICP-MS微量元素分析技术,揭示二者的微量元素组成和赋存状态,探讨成矿温度及矿床成因方面的重要信息.分析结果显示:闪锌矿内Fe、Mn、Cd、Cu、In、Pb、Bi元素较为富集,两类矿石内的闪锌矿除Fe元素含量相差较大以外(平均值分别为9.3％和1.7％),其他元素含量并无明显差异;电子探针面扫描和LA-ICP-MS剥蚀图像显示元素Mn、Cd、In以类质同象形式存在,而Fe、Cu、Pb、Bi则有类质同象和显微包体2种存在形式.黄铁矿微量元素含量整体较低,元素Co、Ni、Pb、Bi相对富集,Ni、Mn主要以类质同象形式存在,Cu、Co有类质同象替换和显微包体2种形式,Pb、Bi主要以方铅矿包体形式存在.两类矿石中的闪锌矿Zn/Cd比值分别在120～150之间和93～210之间,均指示中温成矿条件.两类闪锌矿内Fe、Cd、Mn元素含量特征与典型矽卡岩型矿床内的闪锌矿相吻合;矿床内硫化物硫同位素组成揭示成矿物质来自于岩浆岩.上述证据共同支持梅仙丁家山铅锌矿矿床属矽卡岩型矿床. 相似文献
11.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
12.
13.
寻找离子吸附型稀土矿床对保障我国关键矿产资源具有重要作用。综合利用广西崇左六汤矿区的基础地质、地球化学勘探、高分辨率遥感影像等多源地学数据,以已知矿床分布特征为约束,基于多项式回归及BP神经网络对该区进行建模,以决定系数R2及均方根误差（RMSE）为模型评价指标,对研究区离子吸附型稀土矿含量进行预测。研究结果表明,多项式回归模型检验R2=0.54,BP神经网络模型检验R2=0.64,剔除数据中高离群值后模型精度显著上升,多项式回归模型精度较好,但预测效果图与实测效果图差异较大。综上,数据中离群值的存在对模型的影响较大,模型拟合的好坏并非判断模型好坏的唯一标准,BP神经网络模型能较好预测研究区离子吸附型稀土矿含量。 相似文献
14.
Moung-Jin Lee Jae-Won Choi Hyun-Joo Oh Joong-Sun Won Inhye Park Saro Lee 《Environmental Earth Sciences》2012,67(1):23-37
Ensemble techniques were developed, applied and validated for the analysis of landslide susceptibility in Jinbu area, Korea using the geographic information system (GIS). Landslide-occurrence areas were detected in the study by interpreting aerial photographs and field survey data. Landslide locations were randomly selected in a 70/30 ratio for training and validation of the models, respectively. Topography, geology, soil and forest databases were also constructed. Maps relevant to landslide occurrence were assembled in a spatial database. Using the constructed spatial database, 17 landslide-related factors were extracted. The relationships between the detected landslide locations and the factors were identified and quantified by frequency ratio, weight of evidence, logistic regression and artificial neural network models and their ensemble models. The relationships were used as factor ratings in the overlay analysis to create landslide susceptibility indexes and maps. Then, the four landslide susceptibility maps were used as new input factors and integrated using the frequency ratio, weight of evidence, logistic regression and artificial neural network models as ensemble methods to make better susceptibility maps. All of the susceptibility maps were validated by comparison with known landslide locations that were not used directly in the analysis. As the result, the ensemble-based landslide susceptibility map that used the new landslide-related input factor maps showed better accuracy (87.11% in frequency ratio, 83.14% in weight of evidence, 87.79% in logistic regression and 84.54% in artificial neural network) than the individual landslide susceptibility maps (84.94% in frequency ratio, 82.82% in weight of evidence, 87.72% in logistic regression and 81.44% in artificial neural network). All accuracy assessments showed overall satisfactory agreement of more than 80%. The ensemble model was found to be more effective in terms of prediction accuracy than the individual model. 相似文献
15.
Accurate prediction of ore grade is essential for many basic mine operations, including mine planning and design, pit optimization,
and ore grade control. Preference is given to the neural network over other interpolation techniques for ore grade estimation
because of its ability to learn any linear or non-linear relationship between inputs and outputs. In many cases, ensembles
of neural networks have been shown, both theoretically and empirically, to outperform a single network. The performance of
an ensemble model largely depends on the accuracy and diversity of member networks. In this study, techniques of a genetic
algorithm (GA) and k-means clustering are used for the ensemble neural network modeling of a lead–zinc deposit. Two types of ensemble neural network
modeling are investigated, a resampling-based neural ensemble and a parameter-based neural ensemble. The k-means clustering is used for selecting diversified ensemble members. The GA is used for improving accuracy by calculating
ensemble weights. Results are compared with average ensemble, weighted ensemble, best individual networks, and ordinary kriging
models. It is observed that the developed method works fairly well for predicting zinc grades, but shows no significant improvement
in predicting lead grades. It is also observed that, while a resampling-based neural ensemble model performs better than the
parameter-based neural ensemble model for predicting lead grades, the parameter-based ensemble model performs better for predicting
zinc grades. 相似文献
16.
文章基于Inception-v3卷积神经网络模型,通过对采集的金矿石、铜矿石、铁矿石、铅锌矿、花岗岩、片麻岩、大理岩和页岩,8种岩石453张图像进行特征提取和迁移学习,建立了岩性分类的迁移学习模型,实现了岩性的自动识别和分类。每种岩石图像随机抽取4张作为测试集进行测试,剩余421张图像作为训练集参加训练,经测试全部图像的岩性分类结果均正确,识别正确率超过80%的岩石图像占测试集图像总数的90%以上。识别正确率未达到80%的图像经过处理后重新训练并测试,其识别正确率均超过了80%,表明了该模型具有良好的岩性识别能力且鲁棒性较好,为岩性识别和自动分类提供了一种新的智能分析方法。 相似文献
17.
影响矿坑充水的因素多且复杂,矿坑涌水量预测模型主要考虑降水、地表水、引水灌溉等影响因素,因变量和自变量的关系比较复杂。将偏最小二乘回归与神经网络耦合,建立了矿坑涌水预报模型。模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力。以河南鹤壁八矿涌水量为例,建立了基于偏最小二乘回归和神经网络耦合的矿坑涌水量预测模型。计算验证表明,该类模型具有较高的预报精度和推广应用价值。 相似文献
18.
为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。 相似文献
19.
基于神经网络的地质勘测反分析研究 总被引：1，自引：0，他引：1
针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与RBF神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用RBF神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用RBF神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。 相似文献