共查询到18条相似文献，搜索用时 328 毫秒
1.
成矿预测需要通过一定的规则集合将专家观点、地质背景、成矿类型等因素进行综合考虑。但由于受到人类实际计算能力的生物条件限制,影响找矿预测成果的最大因素是找矿者的经验知识。随着大数据时代的到来,成矿预测可充分利用数学计算,即以特定规则对成矿系统进行计算,以概率表示成矿前景。依靠计算机的超级运算能力,结合机器学习的方法技术,可以对地质大数据进行成矿预测特征学习,实现对众多地质变量与矿体相关性之间的验证,从而进行预测。本文以安徽东至兆吉口铅锌矿床为例,示范如何通过机器学习的卷积神经网络方法,学习元素Zn在地表的分布特征与矿体在地下空间就位的耦合关系,并圈定靶区。经过450次训练后,得到了准确率95%,损失率14%的CNN模型,并成功实现智能圈定3块找矿靶区。这种神经网络模型可能表达了矿体在地下就位时元素在地表分布的响应,可以用来进行找矿勘查并圈定靶区。 相似文献
2.
在大数据的时代背景下,地质大数据逐渐趋于复杂化的模式与其间的空间关联性为基于机器学习算法的矿产资源定量预测带来了更大的挑战。利用深度卷积网络算法优异的分析性能来提取不同成矿条件下多种二维要素图层的空间分布特征与关联性是一项非常有意义的探索性实验。以松桃—花垣地区沉积型锰矿为例,利用深度卷积神经网络模型AlexNet挖掘Mn元素、沉积相、大塘坡组出露、断裂及水系的空间分布与锰矿矿床的就位空间的耦合相关性,以及不同的控矿要素之间的相关性,以此训练出二维矿产预测分类模型。经过训练后,可以得到验证准确率88.89%,召回率为66.67%,损失值0.08的深度卷积神经网络分类模型。应用该模型对未知区进行二维成矿预测,共圈定出91、96、154、184号4个成矿远景区,其中91号和154号的区域含矿概率为1,96号含矿概率为0.5。由此可见,预测区具有很大概率存在尚未发现的矿床。 相似文献
3.
地质领域机器学习、深度学习及实现语言 总被引：4，自引：2，他引：2
地质大数据正在以指数形式增长。只有发展智能数据处理方法才有可能追上大数据的超常增长。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习已成为地质大数据研究的前沿热点,它将让地质大数据插上翅膀,并因此改变地质。机器学习是一个源于数据的模型的训练过程,最终给出一个面向某种性能度量的决策。深度学习是机器学习研究中的一个重要子类,它通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音分析等。Python语言在科学领域的地位占据着越来越重要。其下的Scikit-Learn是一个机器学习相关的库,提供有数据预处理、分类、回归、聚类、预测、模型分析等算法。Keras是一个基于Theano/Tensorflow的深度学习库,可以应用来搭建简洁的人工神经网络。 相似文献
4.
5.
矿床三维地质建模及储量估算——以丰村铅锌矿径口矿段为例 总被引：1，自引：0，他引：1
钦杭成矿带是我国最重要的成矿带之一,丰村铅锌矿位于钦杭成矿带南段庞西垌地区,是区内典型的沉积热液改造型矿床。依据现代成矿预测理论,结合已有的地形地质图、勘探线剖面图、钻孔数据等资料,运用三维地质建模技术建立了丰村铅锌矿径口矿段的地表模型、断裂模型、地层实体模型、矿体模型。在此基础上分别应用地质块段法和块体模型统计法进行了矿体的资源储量估算,并将两种估算结果进行了对比分析。结果表明,块体模型统计法比地质块段法应用范围更广,效果更精准,可以清晰表达矿体品位值变化特征,进而加深对矿体、矿床的空间分布规律的认识。同时,利用多元信息进行三维地质建模,可靠性高,可视化效果好。将传统的二维地质拓展到三维空间进行定位与定量化,有助于分析矿区地质构造特点与矿床成因,是现代寻找矿床的一种有效手段。 相似文献
6.
数字矿床模型及其应用——以新疆阿勒泰地区可可托海3号伟晶岩脉稀有金属隐伏矿预测为例 总被引：2，自引：1，他引：1
通过构建数字矿床模型,实现了对可可托海3号伟晶岩脉稀有金属矿开发现状及潜在经济价值的评估。数字矿床模型分为2个部分：地质体三维模型和钻孔三维品位模型,前者以地质剖面、地表模型、开采线等数据为基础,以Micromine软件为平台,利用三维可视化技术实现、再现了矿床的空间形态和内部结构,后者以钻孔测试数据为基础,利用地质统计学方法,对模型区范围内的成矿元素品位进行了三维插值,展示了成矿元素异常在空间上的分布。2种模型相互结合,对矿山开采现状进行了评估,对剩余矿体的位置进行了限定。最后,结合数字矿床模型,利用一种“等腰三角形”方法对矿床潜在资源量进行了估算。研究结果显示,虽然矿床“钟形体”部位已开采殆尽,但在钟形体南侧缓倾斜部位还存在较大规模具有经济价值的矿体,氧化铍潜在资源量在822.69~1992.41t之间。 相似文献
7.
大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度;RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。 相似文献
8.
9.
针对成矿定量预测强调三维空间信息的综合研究的特殊需求,以及定性与定量、二维与三维数据综合分析难等关键问题,本文提出了一种基于三维非均质空间的加权最短距离场算法,既可反映断层破碎带在成矿元素运移过程中的通道作用,亦可回溯出目标体元到源体元的最短路径。应用该方法开展了对红透山铜矿区的三维矿体模型在地表的距离场值与土壤地球化学测量数据的关联关系分析,发现已知和预测矿体共同的距离场与化探异常有更高的匹配性,间接证明了预测矿体的可靠性。该方法一定程度上解释了由矿体导致的地表化探异常,可以为化探、遥感等地表数据与三维地质数据模型进行综合分析及关联关系的提取提供借鉴。 相似文献
10.
危机矿山的深边部矿体预测研究,是当前成矿预测研究的热点内容.因子分析是研究元素的共生组合的有效手段和方法,因子分析中每一个因子所包含的主要元素,不仅仅表示它们的一种组合关系,而且反映了一种内在的成因联系.因此可利用每一个因子的因子得分的空间分布来预测矿体的存在.作者利用黄埠岭金矿床两条主要成矿矿脉的11种成矿及伴生元素的分析数据,采用R型因子分析方法,研究元素间的共生组合关系,在此基础上分析每一因子对矿体的指示意义,利用因子得分定量地描述这种指示意义.最后通过研究因子得分的空间分布规律,对矿床深边部未知矿体进行预测,圈定了找矿靶区. 相似文献
11.
在大数据蓬勃发展的时代背景下,矿产资源定量预测作为地质大数据的核心部分,其综合分析挖掘多元信息的基本思路与大数据的理念不谋而合。以四川拉拉铜矿为例,开展基于机器学习的三维矿产资源定量预测。通过建立三维地质模型,提取成矿有利信息,构建研究区定量预测模型;基于"立方块预测模型"找矿方法,采用机器学习随机森林算法,计算出研究区成矿概率分布,以此圈定出5个找矿远景区。结果表明,随机森林具有更高的预测准确度与稳定性,且能够对控矿要素重要性做出定量评价。该研究成功地将机器学习应用于三维矿产定量预测,为今后的矿产资源预测评价做出了积极的探索。 相似文献
12.
矿产资源预测已从定性走向了定量,从数据稀疏型走向了数据密集型,亟须数据科学支撑。本文在前人研究基础上,讨论了基于数据科学的矿产资源定量预测理论与方法,该方法的理论基础为相关性理论与异常理论,前者采用监督的机器学习方法挖掘地质找矿大数据与矿床的相关性为预测未发现矿床提供了理论基础;后者采用非监督的机器学习方法识别地质找矿大数据蕴含的地质异常为预测矿床提供了理论依据。该理论与方法强调地质找矿大数据和机器学习的重要性,其中,数据种类的多样性及数据精度和质量会影响预测结果的好坏,机器学习可提高特征提取与信息集成融合效率。此外,本文讨论了基于数据科学的矿产资源定量预测理论与方法的技术框架、特征提取、数据集成融合方法,以及该理论与方法引入的不确定性。 相似文献
13.
把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。 相似文献
14.
大数据与数学地球科学研究进展——大数据与数学地球科学专题代序 总被引：12，自引：9，他引：3
大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。 相似文献
15.
基于深度学习的地质找矿信息挖掘与集成已经成为数学地球科学的前沿领域.深度学习作为一种具有多级非线性变换的层级机器学习算法,在地质找矿大数据挖掘与集成中仍处于探索阶段,还有一系列问题亟需解决.以卷积神经网络为例,探讨了基于深度学习的地质找矿大数据挖掘与集成过程中两大挑战:训练样本不足和深度学习网络模型构建困难,重点分析了基于复制和添加噪声的地质找矿数据增强技术并开展了多组对比实验,构建了适用于地质找矿大数据挖掘与集成的训练样本和卷积神经网络模型.该模型对闽西南铁多金属成矿区的地质、地球物理和地球化学等多源数据进行了特征提取与集成融合,圈定了找矿远景区,为该区进一步找矿提供了科学依据. 相似文献
16.
矿物智能识别是地球科学与信息科学的重要交叉方向,显示出强大的生命力.本文在调研国内外研究动态的基础上,把矿物智能识别划分为4个阶段,即矿物采集、数据获取、模型构建、分类判别;根据测试方法和获得的数据类型,把矿物智能识别分为基于化学成分、显微光学图片、光谱分析的3条基本路线;总结了应用于矿物智能识别的机器学习方法和技术,包括统计学习、线性回归模型、距离度量模型、树结构模型、神经网络模型及其与样本问题相关的新技术.在此基础上,提出消除地质学与人工智能的鸿沟、建设可用于学习的高质量矿物数据集、完善适合矿物智能识别的机器学习方法、增进模型可解释性、加强工业推广的实践是该领域未来的重点发展方向. 相似文献
17.
成矿区三维可视化与立体定量预测——以钦-杭成矿带庞西垌地区下园垌铅锌矿区为例 总被引：3，自引：1，他引：2
矿产资源是人类生存与社会进步的根本物质保障。近年来,随着地表矿、浅部矿产资源的日益枯竭,采用新技术、新方法的深部矿产资源预测成为地质勘查的主要研究方向。基于数字化、三维可视化及矿产定量预测为主的三维地质建模技术,为当前矿产资源远景预测与找矿工作提供了有力的工具。本文在现代成矿预测理论研究基础上,运用三维地质建模技术建立了钦杭成矿带下园垌矿区地质、地球物理、地球化学、钻孔等三维模型,揭示了区内构造地质特征、地球化学异常表征及地层岩体要素,据此探讨了矿床的成因及矿体分布特征。并在此基础上,采用证据权方法对研究区地质、地球物理、地球化学等多源信息进行融合,运用断裂缓冲区、地球化学异常、东岗岭组沉积岩地层等为证据因子来计算单位体积成矿后验概率,进行立体成矿预测,并圈定出铁锰矿、方铅闪锌矿、铅锌银综合矿等3处找矿有利靶区及估算出预测区内矿产资源储量总量为88710吨。研究结果表明:综合分析地质、地球物理、地球化学及钻孔数据进行矿区的三维地质空间定位、定量预测研究,可以有效的识别矿致异常信息,圈定找矿远景区,为成矿预测研究领域提供了新方向,可以将此方法应用至其他矿山。 相似文献
18.
After long-term development, mathematical geology has today become an independent discipline. Big Data science, which has become a new scientific paradigm in the 21 st century, gives rise to the geological Big Data, i.e. mathematical geology and quantitative geoscience. Thanks to a robust macro strategy for big data, China’s quantitative geoscience and geological big data’s rapid development meets present requirements and has kept up with international levels. This paper presents China’s decade-long achievements in quantitative prediction and assessment of mineral resources, geoscience information and software systems, geological information platform development, etc., with an emphasis on application of geological big data in informatics, quantitative mineral prediction, geological environment and disaster management, digital land survey, digital city, etc. Looking ahead, mathematical geology is moving towards "Digital Geology", "Digital Land" and "Geological Cloud", eventually realizing China’s grand "Digital China" blueprint, and these valuable results will be showcased on the international academic arena. 相似文献