排序方式： 共有41条查询结果，搜索用时 15 毫秒
1.
我国建立了包含海量数据的高质量的勘查地球化学数据库,为矿产勘查、环境评价和地质调查等提供了重要的数据支撑。如何高效处理勘查地球化学数据,并从中发掘和识别深层次信息一直是勘查地球化学学科研究的热点和前沿领域。本文在系统调研国内外学者过去十年发表的论著基础上,对勘查地球化学数据处理方法进行分析与对比,从勘查地球化学数据库建设、地球化学异常识别及其不确定性评价等方面概述了我国近十年来在该领域取得的主要研究进展,包括:(1)分形与多重分形模型由于考虑了地球化学空间模式的复杂性和尺度不变性,在全球范围内得到极大的发展和推广,我国学者引领了基于分形与多重分形的勘查地球化学数据处理;(2)机器学习和大数据思维开始在该领域启蒙,并迅速得到关注,正在成为研究热点和前沿领域,我国学者率先开展基于机器学习算法的勘查地球化学大数据挖掘研究;(3)我国学者需要进一步加强勘查地球化学数据缺失值处理以及成分数据闭合效应研究。今后该领域应进一步加强对弱缓地球化学异常识别、异常不确定性评价以及异常识别与其形成机理相结合等方面的研究。 相似文献
2.
我国积累的大量高质量、多元素、多尺度的地球化学数据，为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用，提取有价值的地球化学异常信息并带动找矿突破，是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中，由于矿体埋深和覆盖层的影响，往往在表生介质中形成弱小的地球化学异常，识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价，主要从以下几个方面讨论了相关的国内外研究进展和发展趋势：勘查地球化学数据处理与异常识别方法和模型，勘查地球化学数据闭合效应的影响及其解决方案，基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现，在地质环境的约束下,基于大数据思维和机器学习相结合的方法，注重地球化学空间分布模式与已发现矿床的相关关系，同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式，可识别出传统方法无法识别的异常，为开展地球化学空间模式识别与异常提取提供了新的途径。 相似文献
3.
分形滤波技术在新疆黄山-镜儿泉镍铜成矿带中的应用 总被引：1，自引：0，他引：1
为了深化新疆黄山-镜儿泉镍铜成矿带的成矿地质认识, 进一步确定找矿勘查方向, 采用多重分形滤波技术, 对该地区水系沉积物或岩屑地球化学测量数据中的Ni元素进行分析, 结果显示研究区西北部吐哈盆地具有高背景、弱异常且异常分散的特点; 中部康古尔大断裂带以及研究区东南部具有低背景、强异常、且异常呈带状分布的特点; 这可能是由于, 石炭世晚期至二叠纪早期的地幔柱事件在研究区中部和东南部沿深大断裂有大量玄武岩喷溢, 到新生代被剥蚀运移到西北部地形较低的吐哈盆地, 而在原地只残留其根部造成的。中部和东南部带状分布的Ni异常是可能的找矿有利地段。 相似文献
4.
矿床是地质过程的产物之一,深入分析控制矿床形成和保存的关键地质过程是矿产资源定量预测与评价的基础.闽西南马坑式铁多金属矿为矽卡岩型矿床,燕山期的岩浆活动提供了热源、流体来源及部分的铁质来源;热液沿着北东向断裂向上运移,在岩体与石炭－二叠纪碳酸盐岩地层的接触面及石炭－二叠纪地层内部发生了热液交代作用,形成了矽卡岩化;铁主要来源于石炭－二叠纪碳酸盐岩建造,后期燕山期岩浆的侵入,使得铁进一步富集;并在石炭－二叠纪地层中沉淀成矿.基于上述关键成矿过程,从“源”(热源、物质来源和流体来源)、“运”(流体通道)、“盖”(圈闭)、“储”(矿质沉淀场所)和“存”(矿床的后期保存条件)等方面提取了地质证据,利用模糊逻辑综合地质证据得到了找矿有利度图.结果显示所圈定的预测远景区与已知铁多金属矿床在空间上具有很强的相关性,可作为进一步工作部署的依据.基于地质过程的矿产资源定量预测与评价方法,决定矿床能否形成的关键地质过程为评价依据,可为闽西南进一步找寻马坑式铁多金属矿提供新的找矿思路和参考依据. 相似文献
5.
基于GIS矿产勘查靶区优选技术 总被引：1，自引：0，他引：1
靶区优选是矿产勘查中的一个关键环节,它既是矿产资源预测成果的直接体现形式,同时又是联系矿产资源预测与勘查工作部署的桥梁.然而,由于人们认识上的不完备性和缺乏相应的技术手段支撑,使得靶区优选常被忽视或简化.探讨了靶区优选的地质基础原则,建立了靶区优选的技术流程,研发了基于GIS支持下靶区优选计算机辅助决策模块,并以云南省个旧地区与岩浆活动有关的锡铜多金属矿靶区为例进行了示范研究.结果表明靶区优选技术及相应的软件能够客观地反映不同靶区的特征,提高靶区优选的智能化程度和工作效率. 相似文献
6.
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
7.
8.
基于MapObjects野外地质数据采集系统设计与实现 总被引：5，自引：0，他引：5
野外地质数据采集系统是计算机辅助区域地质调查系统的一个重要组成部分,由于没有合适的数据采集的地质模型和数学模型,使常规十分简单的地质现象用计算机辅助进行数据采集、存贮、处理显得十分困难.文章通过以点为核心的数据采集模型,利用数据库前端与后端分离技术、动态模型技术、元数据、数据字典技术、数据分块存储、共享技术,在Visual Basic 6.0与MapObjects相结合的环境下,研发了地质数据采集系统,有效的把老三件(地质锤、罗盘、放大镜)与新三件(笔记本、GPS、数码相机)有机的结合起来,实现了地质数据的方便采集、存贮、处理及输出. 相似文献
9.
10.
地质调查剖面图的机助设计制图 总被引：1，自引：0，他引：1
地质模型和数学模型的建立是解决问题的关键,从而使“计算机辅助野外地质调查系统”更便利、高效地适用于野外地质工作。实测剖面图是地质调查中,经常用到的技术方法和手段,以利对地质现象更清楚的认识。三联点构造描述方法及剖面图制作,是计算机辅助地质调查中十分重要的研究内容。本文探讨了三联点构造野外描述的内容及顺序、构造级别的划分等。对此选择VisualC++为开发工具,设汁了实测剖面图子系统。分为数据录入模块、图形绘制模块及成果数据管理模块。同时介绍了实测剖面图的数据结构及图层划分,提出了实现数据录人模块和图形模块的方法。 相似文献