排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
作为近年来爆炸式发展的方法模型,机器学习为地质找矿提供了新的思维和研究方法。本文探讨矿产预测研究的理论方法体系,总结机器学习在矿产预测领域的特征信息提取和信息综合集成两个方面的应用现状,并讨论机器学习在矿产资源定量预测领域面临的训练样本稀少且不均衡、模型训练中缺乏不确定性评估、缺少反哺研究、方法选择等困难和挑战。进一步以闽西南马坑式铁矿为实例论述基于机器学习方法的矿产预测基本流程:(1)通过成矿系统研究建立成矿模型,确定矿床控矿要素;(2)通过勘查系统研究建立找矿模型,并为评价预测提供相关的勘查数据;(3)通过预测评价系统研究,建立预测模型,并提取预测要素;(4)利用机器学习模型对预测要素进行信息综合集成,获取成矿有利度图;(5)对预测性能和结果进行不确定性评估;(6)找矿靶区/成矿远景区圈定及资源量估算。最后,总结建立以地学大数据和地球系统理论为指导,以“地球系统-成矿系统-勘查系统-预测评价系统”为研究路线的基于地学大数据的矿产资源定量预测理论和方法体系的研究愿景。 相似文献
2.
在内蒙草原覆盖区迪彦钦阿木Mo-Ag矿床长度为106.5 m黄土覆盖层垂直岩心上等间距顺序取样106个,用Niton XL3t X-荧光仪测得每个样本的33个元素的含量.在正态性检验的基础上,用Kendallτ相关系数分析了元素含量与深度的相关性,得出黄土覆盖层中Mo、S、W、Te、Fe、Cu、Ni、Mn、Sb、Rb、Cs、Sn、Zn、Ti、V、Pb、Th、As这18种元素含量与离开矿源的距离具有显著相关性;用HP滤波法分离出这18种元素含量空间序列的长期趋势,并用变量聚类分析法对长期趋势进行了分类;用因子分析法得到了迪彦钦阿木矿床Mo-W成矿因子和Pb-Zn成矿因子,并模拟得到Mo-W成矿因子的指数分布模式.本文的研究思路与结论可为覆盖区表层地球化学异常对矿产预测的指示作用研究提供借鉴. 相似文献
1