排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例 总被引：1，自引：0，他引：1
大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。 相似文献
2.
安徽兆吉口热液型铅锌矿区元素迁移量三维地球化学勘查模式 总被引：1，自引：0，他引：1
安徽兆吉口铅锌矿床位于长江中下游成矿带安庆-贵池矿集区南侧的东至县杨老尖-龙门尖地区,这一矿床的发现使皖西南地区地质找矿实现重大突破。文中利用Grant的Isocon图解法,研究活动元素的分布特征和迁移规律,以奠定兆吉口地区的地球化学勘查指标及成矿环境指标的研制基础,发现成矿元素Pb、Zn、Cu、Au、Ag、Mo及其伴生元素As、Bi、Sb和矿化剂元素S等从围岩向矿体部位带入程度增加,常量元素SiO2、Fe2O3、MgO、CaO、Na2O、K2O等在青白口系带出,于矿体部位带入。矿床系统的质量是净带入的,平均质量变化为4%;青白口系质量是净带出的,质量变化为-18%。依据元素迁移规律,试制元素迁移量三维地球化学图,认为研究区进一步找矿工作应当沿断裂带向北东和南西方向拓展,结合已有地质资料,对元素迁移进行了解释,并对矿床成因进行了讨论,认为试验矿床是由区域变质构造运动热液作用形成的,试验矿床只是区域变质构造运动热液活动共同形成的矿床(系列)的一部分,研究区具有良好的找矿前景。 相似文献
3.
地球化学数据是应用地球化学研究的重要组成部分，是化学勘查工作的基础成果。勘查地球化学数据基本上以元素的质量百分浓度
(简称浓度)的形式表达，是典型的成分数据。其表达的是“组分/总体”相对质量贡献信息，而不是绝对的质量变化信息。浓度数据分布在单纯形空间，而不是整个欧式空间。对成分数据进行处理之前，进行适当的对数比值转换处理可以提高其信息表达。本文以安徽省兆吉口铅锌矿床土壤中Pb数据为示范案例，通过对数比值转换方法优化浓度数据的结构以提高相对信息的表达，并利用无监督学习K- means聚类方法根据对数比值转换数据分布空间质心的距离识别背景和异常信息，最后对K- means聚类方法识别的背景和异常与迭代2倍标准差法和浓度- 面积分形分析法进行比较以衡量其表现。结果表明：浓度数据表达的是相对质量信息，而不是绝对质量关系，不同样品间不能通过比较浓度高低推断出质量的多寡关系。对数比值方法可以有效地提高浓度数据的结构和信息表达，K- means方法能够准确识别对数比值转换数据的背景和异常信息，其效果类似浓度- 面积分形分析方法，比迭代2倍标准差法好。 相似文献
4.
在开放体系成矿过程中,成矿信息应具有时间和空间两方面的属性。空间属性表现为元素在赋矿空间的分布及变化,时间属性则表现为成矿过程中元素的迁移变化。本文以安徽省兆吉口铅锌矿床为例,通过Grant方程进行元素质量迁移研究,建立Na2O负异常结构,并应用成分数据理论的双标图对负异常结构进行验证,结果发现负异常结构携带着时间维度上的成矿信息。成矿元素Pb、Zn的正异常分布于Na2O负异常范围内。Na2O与Pb、Zn、Au负相关,Au与Pb、Zn呈弱负相关,表明该地区可能存在与Pb、Zn同一成矿作用不同成矿阶段形成的Au矿化/体。兆吉口地区的找矿方向应为Pb、Zn、Au三种矿产资源。Na2O负异常在深部并未结束,表明深部仍可能存有矿体。 相似文献
5.
安徽省兆吉口铅锌矿床成矿地球化学机制研究 总被引：1，自引：0，他引：1
自20世纪30年代起, 勘查地球化学就在矿产资源勘查领域发挥着重要作用。目前, 矿业界对勘查地球化学回归到基础勘查理论研究有着明确的需要。多维异常体系应用基础理论的提出是我国学者在该领域的积极响应。多维异常体系定义为“在特定的成矿地质时期, 成矿系统中存在的空间有序共存、成因机理各异、成矿指示递进的多属性异常体系”。其中, 多属性异常的形成机制及其在成矿空间中的结构关系, 是探讨矿床成矿地球化学机制和指导矿产勘查的基础, 同时也是勘查地球化学研究的前沿方向。本论文以位于安徽省东至县的兆吉口浅成低温热液型铅锌矿床为研究对象, 通过元素质量迁移定量计算, 研究典型剖面上元素活动规律, 构建矿致异常结构模式, 揭示矿床成矿地球化学机制; 利用图示方法展现不同水平断面上元素异常分布形态, 为深部成矿预测指明方向; 利用分形模型和基于成分数据理论的主成分分析、因子分析等方法, 研究地表岩屑中元素分布特征及影响因素, 指导研究区外围矿床地球化学勘查。 相似文献
6.
近十年是科学研究从问题驱动向数据驱动转变的转折时期,科学研究的第四范武—数据密集型科学发现应势而生.这期间,大数据与人工智能算法的引入使数学地球科学实现跨越式发展,并正在改变地质学.机器学习是使计算机具有智能的根本途径.深度学习,即多层神经网络的方法,是一种实现机器学习的技术,是过去几年大数据与数学地球科学研究的最重要的热点.贝叶斯网络是贝叶斯公式和图论结合的产物,可用来建立矿床地质的成因网络,进而理解矿床成因.地质大图形问题可以转化为大型的复杂网络空间问题和社区结构问题,社区分析技术可用于地震预报、地质网络分析、特殊地质现象识别、矿床预测.关联规则和推荐系统算法在地质研究中已有成功的应用实例.化探数据及其异常经常包含复杂和非线性模式,深度学习在智能识别与提取复杂地质条件下地球化学异常具有优异的能力,卷积神经网络、堆叠自编码机等是较为常用和有效的方法.非线性矿产资源预测、基于GIS和三维地质建模的三维成矿预测及相应的软件系统得到持续改进.三维虚拟仿真建模技术的应用实现了多模态、跨尺度地学虚拟现实与多维交互,地质过程数值模拟等已有创新性进展.区块链技术以及OneGeology、玻璃地球、深时数字地球等大地质科学计划,将在整合全球地质大数据、共享全球地学知识、推动数学地球科学学科发展方面起到重大的推动作用. 相似文献
7.
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
8.
矿化剂元素硫（S）与成矿 总被引：1，自引：0，他引：1
矿化剂元素硫(S)是绝大多数有色金属矿床成矿矿物中必不可少的组成物质,其对矿床形成的直接控制作用不言而喻。在目前收集到的文献资料中,有关S的研究多集中在示踪成矿流体来源方面,而关于地质体中S初始富集及其在成矿过程中的活动特性对成矿的控制却少有涉及。本科研团队历经十余年,在40多个矿床上对矿化剂元素S与成矿进行了系统研究,结果发现,热液成因矿床均产出在富S地质体中,地质体中S的富集与赋矿围岩同期形成,而且伴生有成矿元素的富集,构成初始矿源,奠定成矿物质基础。热液活动期间,初始矿源中矿化剂元素S及成矿元素发生活化、迁移和再富集,是控制成矿的直接因素。青海野马泉铁多金属矿研究结果证实,试验区灰岩中S的富集与灰岩同期形成,同时伴生有Pb、Zn、Ag、Cu等富集,构成矿源层。后期热液作用主导矿源层中S与成矿元素活化、迁移和再富集是成矿的必要条件,矿源层的沉积环境具有其特殊性。此项研究成果对矿床形成机制研究和矿床地球化学勘查均具有借鉴价值。 相似文献
1